 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
上課地點：【上海】：同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領館區1號（中和大道） 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協同大廈
最近開課時間(周末班/連續班/晚班）：2025年4月7日--即將開課-----即將開課，歡迎垂詢 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、可免費在以后培訓班中重聽；
2、免費提供課后技術支持，保障培訓效果。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
培訓特色
相對于其它專注于培訓大數據技術的課程，本課程有如下特點：一是除了對各種大數據技術本身的原理、設計與使用方法進行全面深入的講解以外，更重要的是對各種技術的本質與特點進行了深入的分析、比較與討論，從而使學員對各種技術的真正適用場景能客觀準確的判斷；二是結合企業實際對大數據的概念進行了明確的澄清；三是結合企業應用實際，介紹了各種大數據技術具體定位與應用規劃與方法。
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方法，以及掌握如軟件架構、性能調優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、缺點與正確適用場景，了解技術最新發展動向，能對Hadoop，NoSQL與Spark體系在學員企業、學員項目、學員研發中是否可用、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據技術規劃企業數據架構得到相當的啟發與收獲。
培訓對象
企業中高層技術管理人員、企業技術戰略決策者、軟件架構師、軟件研發人員與大數據技術愛好者，有大數據及海量數據管理與處理需求的企業優先。
學員基礎
企業數據架構基礎知識；數據管理基礎知識；關系數據庫的操作與實踐；大數據概念了解。
課程大綱
主題 內容
大數據時代關系數據庫的挑戰與應對
1. 現代數據管理技術綜述
2. 關系數據庫技術的核心特征
3.主流關系數據庫的挑戰
4. 改進型關系數據庫
大數據技術綜述
1. 大數據概念澄清
2. 大數據技術家族
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圖形數據庫Neo4j
4. MapReduce
5.關系數據庫聯邦
6.海量分布式文件系統
7大數據技術理論基礎
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數據倉庫-Hive
1.6 Hadoop NoSQL數據庫-HBase
1.7 工作流調度-Ooize
1.8 分布式協調系統--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 系統環境配置
2.6 基本參數配置與說明
2.7 進程分布規劃與啟動
3. 分布式文件系統HDFS實用教程
3.1 HDFS操作
3.2 HDFS編程—文件讀寫
3.3 HDFS數據壓縮
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
4.5 MapReduce工作流
4.6 MapReduce調優
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高級數據分析（時間允許時）
7. Hadoop數據倉庫Hive
7.1 Hive編程
7.2 Hive環境部署與搭建
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關于與關系數據庫
6.5關于適用的數據類型
6.6關于數據存儲與管理
2. Hadoop與關系數據庫
2.1 MapReduce與關系數據庫
2.2 Hive與MPP關系數據庫
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數據模型
2.1.4 HBase索引與關聯的實現
2.1.5 HBase使用
2.1.6HBase性能調優
2.1.7 HBase高級設計教程---如何真正用好HBase
2.1.8 HBase與關系數據庫結合
3. NoSQL設計實例
3.1 HBase實現全屬性查詢
3.2 HBase實現時間序列數據管理
3.3 HBase與MapReduce結合示例
4. Facebook Cassandra介紹
5.MongoDB介紹
6.圖數據庫Neo4J介紹
NoSQL技術分析
1. NoSQL技術手段總結
1.1 水平分割
1.2 數據副本與讀寫一致性
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與關系數據庫
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
3.5 使用場景定位
3.6 企業數據體系定位
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. 互聯網技術體系介紹
4. 數據管理技術發展趨勢分析
大數據技術實踐分享
1. 海量數據處理架構設計
2. 大數據驅動與企業業務/運營
3. 實踐中的企業大數據分析技術流程
3.1采集---各種方法的比較
3.2存儲---原始數據與業務數據提取
3.3模型---Web分析指標體系
3.4分析---大數據分析方法
3.5 行動---個性化推薦
4. 大數據與企業交易
5. 大數據與企業交互
5. 自已設計大數據技術體系
大數據與企業新一代數據體系建設
1.傳統的以關系數據庫為主的企業數據架構
2.大數據時代的新一代企業數據邏輯架構
2.1 數據分類
2.2 數據分布
2.3 數據流轉
2.4 數據集成
2.5 數據交換
2.6 數據分析
2.7 應用展示
3. 新一代企業數據技術架構
3.1邏輯架構
3.2技術方法
3.3物理平臺
4. 新一代企業數據架構中Hadoop/NoSQL與關系數據庫的相互配合 |
|
|
|
|
|
|
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業
