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

传统大规模系统存在的问题

Hadoop概述

Hadoop分布式文件系统      

MapReduce工作原理         

Hadoop集群剖析            

Hadoop生态系统对一种新的解决方案的需求

Hadoop的行业应用案例分析

Hadoop在云计算和大数据的位置和关系

数据开放,数据云服务平台(DAAS)时代

Hadoop平台在数据云平台(DAAS)上的天然优势

数据云平台(DAAS 平台)组成部分

互联网公共数据大云(DAAS)案例

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

Hadoop HDFS 和 MapReduce

Hadoop数据库之HBase

Hadoop数据仓库之Hive

Hadoop数据处理脚本Pig

Hadoop数据接口Sqoop和Flume，Scribe DataX

Hadoop工作流引擎 Oozie

运用Hadoop自下而上构建大规模企业数据仓库

暴风影音数据仓库实战解析

模块三

Hadoop组件详解

Hadoop HDFS 基本结构

Hadoop HDFS 副本存放策略

Hadoop NameNode 详解

HadoopSecondaryNameNode 详解

Hadoop DataNode 详解

Hadoop JobTracker 详解

Hadoop TaskTracker 详解

Hadoop Mapper类核心代码

Hadoop Reduce类核心代码

Hadoop 核心代码

模块四

Hadoop安装和部署

Hadoop系统模块组件概述

Hadoop试验集群的部署结构

Hadoop 安装依赖关系

Hadoop 生产环境的部署结构

Hadoop集群部署

Hadoop 高可用配置方法

Hadoop 集群简单测试方法

Hadoop 集群异常Debug方法

Hadoop安装部署实验

Red hat Linux基础环境搭建

Hadoop 单机系统版本安装配置

Hadoop 集群系统版本安装和启动配置

使用 Hadoop MapReduce Streaming 快速测试系统

Hadoopcore-site，hdfs-site，mapred-site 配置详解

模块五

Hadoop集群规划

Hadoop 集群内存要求

Hadoop集群磁盘分区

集群和网络拓扑要求

集群软件的端口配置

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

Hadoop MapReduce 算法的原理和优化思想

灵活运用MapReduce 实现算法

运用MapReduce 构建数据库算法

Select Sort GrougBy Sum Count

Join 新进流失算法

使用 Y-Smart 快速转换SQL 为MapReduce 代码

模块七

编写MapReduce高级程序

使用 Hadoop MapReduce Streaming 编程

MapReduce流程          

剖析一个MapReduce程序

基本MapReduceAPI概念  

驱动代码 Mapper、Reducer

Hadoop流

API 使用Eclipse进行快速开发              

新MapReduce API

MapReduce的优化

MapReduce的任务调度

MapReduce编程实战

如何利用其他Hadoop相关技术，包括Apache Hive， Apache Pig，Sqoop和Oozie等

满足解决实际数据分析问题的高级Hadoop API

Hadoop Streaming 和 Java MapReduce Api 差异。

MapReduce 实现数据库功能

利用Combiners来减少中间数据

编写Partitioner来优化负载平衡

直接访问Hadoop分布式文件系统（HDFS）

Hadoop的join操作

辅助排序在Reducer方的合并

定制Writables和WritableComparables

使用SequenceFiles和Avro文件保存二进制数据

创建InputFormats OutputFormats

Hadoop的二次排序

Hadoop的海量日志分析

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

存储系统

利用Sqoop从关系型数据库系统中导入数据到Hadoop

利用Flume导入实时数据到Hadoop

ToolRunner介绍、使用MRUnit进行测试

使用Configure和Close方法来进行Map/Reduce设置和关闭

使用FuseDFS和Hadoop访问HDFS

使用分布式缓存（Distributed Cache）

直接访问Hadoop分布式文件系统（HDFS）

利用Combiners来减少中间数据

编写Partitioner来优化负载平衡  

模块九

使用Hive和Pig开发及技巧

Hive和Pig基础              

Hive的作用和原理说明

Hadoop仓库和传统数据仓库的协作关系

Hadoop/Hive仓库数据数据流

Hive 部署和安装

Hive Cli 的基本用法

HQL基本语法

运用Pig 过滤用户数据  

使用JDBC 连接Hive进行查询和分析

使用正则表达式加载数据

HQL高级语法

编写UDF函数

编写UDAF自定义函数

基于Hive脚本内嵌Streaming 编程

模块十

Hbase安装和使用

Hbase 安装部署            

Hbase原理和结构

Hbase 运维和管理

使用Hbase+Hive 提供 OLAP SQL查询能力

使用Hbase+Phoenix提供 OLTP SQL能力

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

Hadoop2.0 HDFS 原理

Hadoop2.0 Yarn 原理

Hadoop2.0 生态系统

基于Hadoop2.0 构建分布式系统

模块十二

Hadoop企业级别案例解析

Hadoop 结构化数据案例

Hadoop 非结构化案例

Hbase 数据库案例

Hadoop 视频分析案例

利用大数据分析改进交通管理

区域医疗大数据应用案例

银联大数据数据票据详单平台

广东移动省公司请账单系统

上海电信网络优化

某通信运营商全国用户上网记录

浙江台州市智能交通系统

移动广州详单实时查询系统

跨区域实时视频监控系统

模块十三

RedHadoop 企业版本

运用RedHadoop快速构建服务集群

运用RedHadoop DW 构建数据仓库

基于RedHadoop Hive构建数据仓库平台

灵活运用 Hive 加速游戏数据仓库

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
Spark的源码编译
Spark Standalone安装
Spark应用程序部署工具spark-submit
Spark的高可用性部署

模块十六

Spark
运行架构和解析

 Spark的运行架构
 基本术语
 运行架构
 Spark on Standalone运行过程
 Spark on YARN 运行过程
 Spark运行实例解析
 Spark on Standalone实例解析
 Spark on YARN实例解析

 比较 Standalone与YARN模式下的优缺点