88 优惠券
2020年3月1日到期。满 200 元可用
立即使用
立即使用
找会议，上活动家

免费发布活动 订单查询
商务会议
培训课程
游学考察 邀约嘉宾
  • 参会报名
  • 会议通知
  • 会议日程
  • 会议嘉宾
  • 参会指南
  • 手机下单 手机扫码下单

首页 > 商务会议 > IT互联网会议 > 2018Hadoop与Spark大数据开发与案例分析实战培训班（成都站） 更新时间：2018-05-23T17:19:41

大会站点分布：
(点击可切换)
2018Hadoop与Spark大数据开发与案例分析实战培训班（成都站）
收藏3人
分享到
官方合作

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

行业热销热门关注看了又看 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）

        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 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
        ¬ 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

        		  
        模块十七 Spark
        scala编程

        • Scala基本语法与高阶语法

        • Scala基本语法
        • Scala开发环境搭建
        • Scala开发Spark应用程序
        • 使用java编程
        • 使用scala编程
        • 使用python编程

        		  

         

        查看更多

        会议嘉宾 （最终出席嘉宾以会议现场为准）

        师资介绍

        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

        会议门票 场馆介绍

        培训费：6800元/人（含教材、培训费、考证费以及学习用具等费用） 食宿统一安排，费用自理。

        查看更多

        成都瑞思博雅酒店 成都瑞思博雅酒店

        交通指南：

        周边交通信息

        • 1

          成都双流国际机场

          直线13.9km

        • 成都瑞思博雅酒店位于青羊区西二道街，临近宽窄巷子、新城市广场、美食街，可以轻松享受到成都的火锅、川菜、特色小吃等美食。
          酒店装修风格沉稳、大气，客房干净整洁，房内床垫采用进口床垫，入住体验度更加的舒适。
          酒店提供免费停车、免费早餐、24小时安保、爱心指路牌等服务。2楼设棋牌室，在通过住宿得到充足的睡眠，恢复了体力，又在美食街享受过了美食以后，再在棋牌室体验一把成都特色的娱乐，然后尽情释放自己的热情。

          温馨提示
          酒店与住宿: 为防止极端情况下活动延期或取消，建议“异地客户”与活动家客服确认参会信息后，再安排出行与住宿。
          退款规则: 活动各项资源需提前采购，购票后不支持退款，可以换人参加。

          标签： 大数据 架构 Spark Hadoop

           您可能还会关注

          还有若干场即将举行的 大数据大会

          猜你喜欢

          部分参会单位

          • 新疆维吾尔自治区广播电影电视科研所

          邮件提醒通知

          录入信息

          请录入信息，方便生成邀请函

          • 联系我们

          • 订票热线: 028-69761252
            合作及其他: 028-69761253
            服务时间: 工作日（ 9:00 - 18:00 ）

          活动家小程序

          微信扫一扫，使用小程序

          活动家APP

          活动家app
          随时随地方便报名参会

          活动家介绍：
          找会议，上活动家！活动家是亚洲的会议活动查询、报名、票务营销平台，致力于为用户提供有价值、有意义的商务会议活动，以及为主办方提供会议免费发布、活动推广营销，视频直播，在线选座等服务，是你参会、办会的好助手。

          热门关键词：
          运维 区块链 移动互联网 云计算 人工智能 消费金融 投融资 FinTech 医药 网络安全 大数据 游戏 创业创新 架构 跨境电商 技术培训 物联网 智慧医疗 环保 生物技术 智能制造 零售业 新能源汽车

          CopyRight 活动家 huodongjia.com , 蜀ICP备17005018号-4 增值电信业务经营许可证编号川B2-20130143 CDN由赞助

          • 微信
            购票

            扫一扫
            使用微信快捷下单

          • 联系
            客服

            客服电话
            028-69761252
            服务时间：工作日09:00-18:00

          • APP
            下载

            扫一扫
            下载活动家APP

          • 回到
            顶部