?
目標收益
通過該課程學習，洞悉Hadoop，NoSQL與Spark等技術的原理、架構與技術手段；結合豐富實例掌握其設計與開發(fā)方法，以及掌握如軟件架構、性能調優(yōu)等使用過程中的實用技巧；深入了解Hadoop，NoSQL，Spark體系中各成員，理解Hadoop，NoSQL，Spark成員各自的優(yōu)、缺點與正確適用場景，了解技術最新發(fā)展動向，能對Hadoop，NoSQL與Spark體系在學員企業(yè)、學員項目、學員研發(fā)中是否可用、如何定位以及如何使用做出正確判斷與學習，并且對如何結合大數(shù)據(jù)技術規(guī)劃企業(yè)數(shù)據(jù)架構得到相當?shù)膯l(fā)與收獲。
培訓對象
企業(yè)中高層技術管理人員、企業(yè)技術戰(zhàn)略決策者、軟件架構師、軟件研發(fā)人員與大數(shù)據(jù)技術愛好者，有大數(shù)據(jù)及海量數(shù)據(jù)管理與處理需求的企業(yè)優(yōu)先。
學員基礎
企業(yè)數(shù)據(jù)架構基礎知識；數(shù)據(jù)管理基礎知識；關系數(shù)據(jù)庫的操作與實踐；大數(shù)據(jù)概念了解。
課程大綱
?
| 主題 |
內容 |
|
大數(shù)據(jù)時代關系數(shù)據(jù)庫的挑戰(zhàn)與應對
|
1. 現(xiàn)代數(shù)據(jù)管理技術綜述
2. 關系數(shù)據(jù)庫技術的核心特征
3.主流關系數(shù)據(jù)庫的挑戰(zhàn)
4. 改進型關系數(shù)據(jù)庫
|
|
大數(shù)據(jù)技術綜述
|
1. 大數(shù)據(jù)概念澄清
2. 大數(shù)據(jù)技術家族
3. NoSQL技術綜述
3.1最早的NoSQL---BDB
3.2 Hadoop之Hbase與Facebook之Cassandra
3.3 MongoDB與CouchDB
3.4Memcached與Redis
3.5圖形數(shù)據(jù)庫Neo4j
4. MapReduce
5.關系數(shù)據(jù)庫聯(lián)邦
6.海量分布式文件系統(tǒng)
7大數(shù)據(jù)技術理論基礎
CAP，BASE，ACID
|
|
Hadoop實用教程
|
1. Hadoop技術概論
1.1 Hadoop體系架構總論
1.2 HDFS-工作原理與架構
1.3 平民化的分布式計算MapReduce
1.4 MapReduce工作原理與架構
1.5 Hadoop數(shù)據(jù)倉庫-Hive
1.6 Hadoop NoSQL數(shù)據(jù)庫-HBase
1.7 工作流調度-Ooize
1.8 分布式協(xié)調系統(tǒng)--Zookeeper
2. Hadoop部署
2.1 Hadoop版本介紹與選擇
2.2 Hadoop部署實踐
2.3 Hadoop安裝文件構成與配置體系
2.4 機器硬件建議配置
2.5 系統(tǒng)環(huán)境配置
2.6 基本參數(shù)配置與說明
2.7 進程分布規(guī)劃與啟動
3. 分布式文件系統(tǒng)HDFS實用教程
3.1 HDFS操作
3.2 HDFS編程—文件讀寫
3.3 HDFS數(shù)據(jù)壓縮
3.4 HDFS技術要點
4. MapReduce實用教程
4.1 MapReduce原理與架構
4.2 MapReduce編程方法
4.3 MapReduce實用技術要點
4.4 MapReduce排序與關聯(lián)
4.5 MapReduce工作流
4.6 MapReduce調優(yōu)
5. MapReduce2.0-YARN
5.1 YARN的原理
5.2 YARN設計架構
5.3 YARN工作流程
5.4 YARN與MapReduce1.0比較
6. MapReduce實例講解
6.1普通實例
6.2 高級實例
6.3 MapReduce高級數(shù)據(jù)分析（時間允許時）
7. Hadoop數(shù)據(jù)倉庫Hive
7.1 Hive編程
7.2 Hive環(huán)境部署與搭建
7.3 Hive工作機制
7.4 Hive語法與實踐
8. 其它ZooKeeper，Sqoop，Chukwa，Avro……
|
|
Hadoop技術分析
|
1. Hadoop MapReduce技術解析
6.1關于效率
6.2關于擴展性
6.3關于可靠性與可用性
6.4關于與關系數(shù)據(jù)庫
6.5關于適用的數(shù)據(jù)類型
6.6關于數(shù)據(jù)存儲與管理
2. Hadoop與關系數(shù)據(jù)庫
2.1 MapReduce與關系數(shù)據(jù)庫
2.2 Hive與MPP關系數(shù)據(jù)庫
|
|
NoSQL實用教程
|
1.NoSQL理論基礎---CAP與BASE深入分析
2.NoSQL實用教程
2.1 HBase實用教程
2.1.1 HBase原理
2.1.2 HBase實用安裝部署要點
2.1.3 HBase數(shù)據(jù)模型
2.1.4 HBase索引與關聯(lián)的實現(xiàn)
2.1.5 HBase使用
2.1.6HBase性能調優(yōu)
2.1.7 HBase高級設計教程---如何真正用好HBase
2.1.8 HBase與關系數(shù)據(jù)庫結合
3. NoSQL設計實例
3.1 HBase實現(xiàn)全屬性查詢
3.2 HBase實現(xiàn)時間序列數(shù)據(jù)管理
3.3 HBase與MapReduce結合示例
4. Facebook Cassandra介紹
5.MongoDB介紹
6.圖數(shù)據(jù)庫Neo4J介紹
|
|
NoSQL技術分析
|
1. NoSQL技術手段總結
1.1 水平分割
1.2 數(shù)據(jù)副本與讀寫一致性
1.3 In-Memory架構
1.4 MVCC
1.5列存儲
1.6 COW
2. NoSQL技術解析
2.1 關于水平擴展性
2.2關于模式自由
3. NoSQL與關系數(shù)據(jù)庫
3.1 理論原則分析
3.2 邏輯模型分析
3.3 物理模型分析
3.4 索引、事務與關聯(lián)
3.5 使用場景定位
3.6 企業(yè)數(shù)據(jù)體系定位
|
|
Spark教程
|
1. Spark組成與體系架構
2. Spark原理
3. Spark與Hadoop
4. Scala簡介
5. Spark技術流程
|
|
超越Hadoop
|
1. Hadoop技術體系的不足與尷尬
2. 新技術介紹
3. 互聯(lián)網(wǎng)技術體系介紹
4. 數(shù)據(jù)管理技術發(fā)展趨勢分析
|
|
大數(shù)據(jù)技術實踐分享
|
1. 海量數(shù)據(jù)處理架構設計
2. 大數(shù)據(jù)驅動與企業(yè)業(yè)務/運營
3. 實踐中的企業(yè)大數(shù)據(jù)分析技術流程
3.1采集---各種方法的比較
3.2存儲---原始數(shù)據(jù)與業(yè)務數(shù)據(jù)提取
3.3模型---Web分析指標體系
3.4分析---大數(shù)據(jù)分析方法
3.5 行動---個性化推薦
4. 大數(shù)據(jù)與企業(yè)交易
5. 大數(shù)據(jù)與企業(yè)交互
5. 自已設計大數(shù)據(jù)技術體系
|
|
大數(shù)據(jù)與企業(yè)新一代數(shù)據(jù)體系建設
|
1.傳統(tǒng)的以關系數(shù)據(jù)庫為主的企業(yè)數(shù)據(jù)架構
2.大數(shù)據(jù)時代的新一代企業(yè)數(shù)據(jù)邏輯架構
2.1 數(shù)據(jù)分類
2.2 數(shù)據(jù)分布
2.3 數(shù)據(jù)流轉
2.4 數(shù)據(jù)集成
2.5 數(shù)據(jù)交換
2.6 數(shù)據(jù)分析
2.7 應用展示
3. 新一代企業(yè)數(shù)據(jù)技術架構
3.1邏輯架構
3.2技術方法
3.3物理平臺
4. 新一代企業(yè)數(shù)據(jù)架構中Hadoop/NoSQL與關系數(shù)據(jù)庫的相互配合
5. 典型場景示例
|
5
（7942人評價）
