2018Hadoop与Spark大数据开发与案例分析实战培训班（成都站）
时间：2018-05-29 08:30 至 2018-06-03 17:30
地点：成都
- 参会报名
- 会议通知
- 会议日程
- 会议嘉宾
- 参会指南
-
手机下单
(点击可切换)
 收藏3人
|
2018Hadoop与Spark大数据开发与案例分析实战培训班（成都站） 已截止报名会议时间： 2018-05-29 08:30至 2018-06-03 17:30结束 会议地点： 成都 成都瑞思博雅酒店 成都市青羊区三道街48号 周边酒店预订 会议规模：100人 主办单位： 北京中科软培科技有限公司 |
换一换
会议通知
会议内容 主办方介绍
2018Hadoop与Spark大数据开发与案例分析实战培训班（成都站）宣传图
为贯彻落实党中央国务院“十三五”规划指导精神，实施网络强国战略，加快建设数字中国;构建高效信息网络，推进物联网发展;实施“互联网+”行动计划，促进多领域融合发展;实施国家大数据战略，加快政府数据开放;加强数据安全包含，全面保障信息系统安全;推进军民融合发展立法。要实施国家大数据战略，把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新。加快政府数据开放共享，促进大数据产业健康发展。
现如今，大数据的应用并不仅存在于一些“理工类领域”，它已经渗透到我们生活的方方面面，将来，大数据在能源、金融、电信、汽车、消费等大多数行业都有用武之地，行业发展潜力巨大。去年，国内数据创业已是风起云涌，其实，2016才是真正意义上的大数据元年。据IDC预测，到2020年，大数据分析技术将成为所有国家经济增长的关键动力。大数据分析及其相关的市场的复合年增长率将达到26.4%，在2018年全球将发展到415亿美元的规模。同时，IDC认为，到2020年大数据分析技术将成为所有国家经济增长的关键动力。然而大数据架构最火热的莫过于Hadoop，Spark和Storm这三种
因此我单位举办“Hadoop与Spark大数据开发与案例分析”培训班。由北京中科软培科技有限公司与中联软博（北京）科技有限公司具体承办，望相关单位收到通知后积极参加。相关培训事宜如下:
一、培训时间和地点
2018年05月29日-06月03日 成都 (29日全天报到)
二、培训对象
各地政府，院校云计算物联网产业相关负责人，各类 IT/软件企业和研发机构的软件架构师、软件设计师、程序员、技术总监、数据挖掘负责人、数据挖掘开发工程师等
三、课程目标
1、了解Hadoop与Spark的历史及目前发展的现状、以及Hadoop与Spark的技术特点，从而把握分布式计算框架及未来发展方向，在大数据时代能为企业的技术选型及架构设计提供决策参考。
2、全面掌握Hadoop与Spark的架构原理和使用场景，并通过贯穿课程的项目进行实战锻炼，从而熟练使用Hadoop进行MapReduce程序开发。课程还涵盖了分布式计算领域的常用算法介绍，帮助学员为企业在利用大数据方面体现自身价值。
3、深入理解Hadoop与Spark技术架构,对Hadoop与Spark运作机制有清晰全面的认识，可以独立规划及部署生产环境的Hadoop与Spark集群，掌握Hadoop与Spark基本运维思路和方法，对Hadoop与Spark集群进行管理和优化。
四、培训特色
注重应用：分析国内实际情况，结合国际、国内成功经验。采用实战的项目，让学员在短时间内掌握Hadoop与Spark的搭建与配置。并进行高效的大数据清洗和分析。
形式灵活：互动课堂、免费技术沙龙、提供云计算项目建设咨询、大数据Hadoop平台的搭建。
五、颁发证书
参加相关培训并通过考试的学员，可以获得：
工业和信息化部全国网络与信息技术考试管理中心中心颁发的-“Hadoop与Spark大数据应用与开发”职业技能证书（等级高级）。该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
注：请学员带一寸彩照2张（背面注明姓名）、身份证复印件一张。
查看更多
北京中科软培科技有限公司
中科软培主要从事IT方向的前沿技术培训，本着为用户创造真正价值，围绕以用户为中心的价值观不断探索，在机器学习，深度学习，大数据、R语言、虚拟现实、增强现实等领域形成了完善的课程体系。学以致用，全部课程均已实战为主，采用理论与实战相结合的方式，实用的课程设计、精心施教的专家团队、严格的教学把关、细心周到的后期咨询，赢得众多客户的好评。
会议日程
（最终日程以会议现场为准）
|
课程模块 |
课程主题 |
主要内容 |
案例和演示 |
|
模块一 |
Hadoop在云计算技术的作用和地位 |
u 传统大规模系统存在的问题 u Hadoop概述 u Hadoop分布式文件系统 u MapReduce工作原理 u Hadoop集群剖析 u Hadoop生态系统对一种新的解决方案的需求 u Hadoop的行业应用案例分析 u Hadoop在云计算和大数据的位置和关系 |
u 数据开放,数据云服务平台(DAAS)时代 u Hadoop平台在数据云平台(DAAS)上的天然优势 u 数据云平台(DAAS 平台)组成部分 u 互联网公共数据大云(DAAS)案例 u Hadoop构建构建游戏云(Web Game Daas)平台 |
|
模块二 |
Hadoop生态系统介绍和演示 |
u Hadoop HDFS 和 MapReduce u Hadoop数据库之HBase u Hadoop数据仓库之Hive u Hadoop数据处理脚本Pig u Hadoop数据接口Sqoop和Flume，Scribe DataX u Hadoop工作流引擎 Oozie |
u 运用Hadoop自下而上构建大规模企业数据仓库 u 暴风影音数据仓库实战解析 |
|
模块三 |
Hadoop组件详解 |
u Hadoop HDFS 基本结构 u Hadoop HDFS 副本存放策略 u Hadoop NameNode 详解 u HadoopSecondaryNameNode 详解 u Hadoop DataNode 详解 u Hadoop JobTracker 详解 u Hadoop TaskTracker 详解 |
u Hadoop Mapper类核心代码 u Hadoop Reduce类核心代码 u Hadoop 核心代码 |
|
模块四 |
Hadoop安装和部署 |
u Hadoop系统模块组件概述 u Hadoop试验集群的部署结构 u Hadoop 安装依赖关系 u Hadoop 生产环境的部署结构 u Hadoop集群部署 u Hadoop 高可用配置方法 u Hadoop 集群简单测试方法 u Hadoop 集群异常Debug方法 |
u Hadoop安装部署实验 u Red hat Linux基础环境搭建 u Hadoop 单机系统版本安装配置 u Hadoop 集群系统版本安装和启动配置 u 使用 Hadoop MapReduce Streaming 快速测试系统 u Hadoopcore-site，hdfs-site，mapred-site 配置详解 |
|
模块五 |
Hadoop集群规划 |
u Hadoop 集群内存要求 u Hadoop集群磁盘分区 u 集群和网络拓扑要求 u 集群软件的端口配置 |
u 针对NameNode Jobtracker DataNode TaskTracker Hiveserver 等不同组件需求推荐服务器配置 |
|
模块六 |
MapReduce 算法原理 |
u Hadoop MapReduce 算法的原理和优化思想 u 灵活运用MapReduce 实现算法 |
u 运用MapReduce 构建数据库算法 u Select Sort GrougBy Sum Count u Join 新进流失算法 u 使用 Y-Smart 快速转换SQL 为MapReduce 代码 |
|
模块七 |
编写MapReduce高级程序 |
u 使用 Hadoop MapReduce Streaming 编程 u MapReduce流程 u 剖析一个MapReduce程序 u 基本MapReduceAPI概念 u 驱动代码 Mapper、Reducer u Hadoop流 u API 使用Eclipse进行快速开发 u 新MapReduce API u MapReduce的优化 u MapReduce的任务调度 u MapReduce编程实战 u 如何利用其他Hadoop相关技术，包括Apache Hive， Apache Pig，Sqoop和Oozie等 u 满足解决实际数据分析问题的高级Hadoop API |
u Hadoop Streaming 和 Java MapReduce Api 差异。 u MapReduce 实现数据库功能 u 利用Combiners来减少中间数据 u 编写Partitioner来优化负载平衡 u 直接访问Hadoop分布式文件系统（HDFS） u Hadoop的join操作 u 辅助排序在Reducer方的合并 u 定制Writables和WritableComparables u 使用SequenceFiles和Avro文件保存二进制数据 u 创建InputFormats OutputFormats u Hadoop的二次排序 u Hadoop的海量日志分析 u 在Map方的合并 |
|
模块八 |
集成Hadoop到现有工作流 及Hadoop API深入探讨 |
u 存储系统 u 利用Sqoop从关系型数据库系统中导入数据到Hadoop u 利用Flume导入实时数据到Hadoop u ToolRunner介绍、使用MRUnit进行测试 u 使用Configure和Close方法来进行Map/Reduce设置和关闭 |
u 使用FuseDFS和Hadoop访问HDFS u 使用分布式缓存（Distributed Cache） u 直接访问Hadoop分布式文件系统（HDFS） u 利用Combiners来减少中间数据 u 编写Partitioner来优化负载平衡 |
|
模块九 |
使用Hive和Pig开发及技巧 |
u Hive和Pig基础 u Hive的作用和原理说明 u Hadoop仓库和传统数据仓库的协作关系 u Hadoop/Hive仓库数据数据流 u Hive 部署和安装 u Hive Cli 的基本用法 u HQL基本语法 u 运用Pig 过滤用户数据 |
u 使用JDBC 连接Hive进行查询和分析 u 使用正则表达式加载数据 u HQL高级语法 u 编写UDF函数 u 编写UDAF自定义函数 u 基于Hive脚本内嵌Streaming 编程 |
|
模块十 |
Hbase安装和使用 |
u Hbase 安装部署 u Hbase原理和结构 u Hbase 运维和管理 |
u 使用Hbase+Hive 提供 OLAP SQL查询能力 u 使用Hbase+Phoenix提供 OLTP SQL能力 u 基于Hbase 的时间序列数据库 OpenTsDb 结构解析 |
|
模块十一 |
Hadoop2.0 集群探索 |
u Hadoop2.0 HDFS 原理 u Hadoop2.0 Yarn 原理 u Hadoop2.0 生态系统 |
u 基于Hadoop2.0 构建分布式系统 |
|
模块十二 |
Hadoop企业级别案例解析 |
u Hadoop 结构化数据案例 u Hadoop 非结构化案例 u Hbase 数据库案例 u Hadoop 视频分析案例 |
u 利用大数据分析改进交通管理 u 区域医疗大数据应用案例 u 银联大数据数据票据详单平台 u 广东移动省公司请账单系统 u 上海电信网络优化 u 某通信运营商全国用户上网记录 u 浙江台州市智能交通系统 u 移动广州详单实时查询系统 u 跨区域实时视频监控系统 |
|
模块十三 |
RedHadoop 企业版本 |
u 运用RedHadoop快速构建服务集群 u 运用RedHadoop DW 构建数据仓库 |
u 基于RedHadoop Hive构建数据仓库平台 u 灵活运用 Hive 加速游戏数据仓库 u 基于Pig+OpenCV大规模图像人脸识别 |
| 模块十四 | Spark 生态介绍 |
¬ Mapreduce、storm和spark模型的比较和使用场景介绍 ¬ Spark产生背景 ¬ Spark（内存计算框架） ¬ SparkSteaming（流式计算框架） ¬ Spark SQL（ad-hoc） ¬ Mllib（MachineLearning） ¬ GraphX（bagel将被代） ¬ DlinkDB介绍 ¬ SparkR介绍 |
|
| 模块十五 | Spark 安装部署 |
¬ Spark安装简介 |
|
| 模块十六 | Spark 运行架构和解析 |
¬ Spark的运行架构 • 比较 Standalone与YARN模式下的优缺点 |
|
| 模块十七 | Spark scala编程 |
• Scala基本语法与高阶语法 • Scala基本语法 |
查看更多
会议嘉宾
（最终出席嘉宾以会议现场为准）
张老师：阿里大数据高级专家，国内资深的Spark、Hadoop技术专家、虚拟化专家，对HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生态系统中的技术进行了多年的深入的研究，更主要的是这些技术在大量的实际项目中得到广泛的应用，因此在Hadoop开发和运维方面积累了丰富的项目实施经验。近年主要典型的项目有：某电信集团网络优化、中国移动某省移动公司请账单系统和某省移动详单实时查询系统、中国银联大数据数据票据详单平台、某大型银行大数据记录系统、某大型通信运营商全国用户上网记录、某省交通部门违章系统、某区域医疗大数据应用项目、互联网公共数据大云(DAAS)和构建游戏云(Web Game Daas)平台项目等。
查看更多
参会指南
您可能还会关注
赞助
