【課程背景】
互聯(lián)網(wǎng)點(diǎn)擊數(shù)據(jù)、傳感數(shù)據(jù)、日志文件、具有豐富地理空間信息的移動(dòng)數(shù)據(jù)和涉及網(wǎng)絡(luò)的各類評(píng)論，成為了海量信息的多種形式。當(dāng)數(shù)據(jù)以成百上千TB不斷增長(zhǎng)的時(shí)候，我們?cè)趦?nèi)部交易系統(tǒng)的歷史信息之外，需要一種基于大數(shù)據(jù)分析的決策模型和技術(shù)支持。
大數(shù)據(jù)通常具有：數(shù)據(jù)體量(Volume)巨大,數(shù)據(jù)類型(Variety)繁多,價(jià)值(Value)密度低,處理速度(Velocity)快等四大特征。如何有效管理和高效處理這些大數(shù)據(jù)已成為當(dāng)前亟待解決的問(wèn)題。大數(shù)據(jù)處理意味著更嚴(yán)峻的挑戰(zhàn)，更好地管理和處理這些數(shù)據(jù)也將會(huì)獲得意想不到的收獲。
Google發(fā)布的GFS和MapReduce等高可擴(kuò)展、高性能的分布式大數(shù)據(jù)處理框架，證明了在處理海量網(wǎng)頁(yè)數(shù)據(jù)時(shí)該框架的優(yōu)越性。GFS/MapReduce框架實(shí)現(xiàn)了更高應(yīng)用層次的抽象，使用戶無(wú)需關(guān)注復(fù)雜的內(nèi)部工作機(jī)制，無(wú)需具備豐富的分布式系統(tǒng)知識(shí)及開(kāi)發(fā)經(jīng)驗(yàn)，即可實(shí)現(xiàn)大規(guī)模分布式系統(tǒng)的部署與大數(shù)據(jù)的并行處理。
Apache Hadoop開(kāi)源項(xiàng)目開(kāi)發(fā)團(tuán)隊(duì)。他們克隆了GFS/MapReduce框架，推出了Hadoop系統(tǒng)。該系統(tǒng)已受到學(xué)術(shù)界和工業(yè)界的廣泛認(rèn)可和采納，并孵化出眾多子項(xiàng)目(如Pig，Zookeeper和Hive等)，日益形成一個(gè)易部署、易開(kāi)發(fā)、功能齊全、性能優(yōu)良的系統(tǒng)。
本課程從大數(shù)據(jù)技術(shù)以及Hadoop實(shí)戰(zhàn)的角度，結(jié)合理論和實(shí)踐，全方位地介紹Hadoop這一高性能處理大數(shù)據(jù)工具的開(kāi)發(fā)技巧。本課程涉及的主題包括：Hadoop分布式文件系統(tǒng)及Hadoop的I/O;MapReduce的的工作機(jī)制、類型和格式;如何構(gòu)建和管理Hadoop集群;Pig Latin語(yǔ)言的使用技巧;Hive數(shù)據(jù)倉(cāng)庫(kù)工具介紹;HBase和Zookeeper工具的使用和管理;開(kāi)源數(shù)據(jù)采集工具sqoop。
教學(xué)過(guò)程中還提供了案例分析來(lái)幫助學(xué)員了解如何用Hadoop系列工具來(lái)解決具體的問(wèn)題，并介紹了從大數(shù)據(jù)中挖掘出有價(jià)值的信息的關(guān)鍵。本課程不是一個(gè)泛泛的理論性、概念性的介紹課程，而是針對(duì)問(wèn)題討論解決方案的深入課程。教師對(duì)于上述領(lǐng)域有深入的理論研究與實(shí)踐經(jīng)驗(yàn)，在課程中將會(huì)針對(duì)這些問(wèn)題與學(xué)員一起進(jìn)行研究，在關(guān)鍵點(diǎn)上還會(huì)搭建實(shí)驗(yàn)環(huán)境進(jìn)行實(shí)踐研究，以加深對(duì)于這些解決方案的理解。
【課程目標(biāo)】
本課程從大數(shù)據(jù)技術(shù)以及Hadoop實(shí)戰(zhàn)的角度，結(jié)合理論和實(shí)踐，全方位地介紹Hadoop這一高性能處理大數(shù)據(jù)工具的開(kāi)發(fā)技巧。
【學(xué)習(xí)對(duì)象】
1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開(kāi)發(fā)人員。
2，牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運(yùn)行、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人。
3，政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)和互聯(lián)網(wǎng)等大數(shù)據(jù)來(lái)源單位的負(fù)責(zé)人。
4，高校、科研院所牽涉到大數(shù)據(jù)與分布式數(shù)據(jù)處理的項(xiàng)目負(fù)責(zé)人。
【課程內(nèi)容】
第一講 云計(jì)算及大數(shù)據(jù)處理技術(shù)介紹
1)云計(jì)算的概念
2)云計(jì)算發(fā)展現(xiàn)狀
3)大數(shù)據(jù)的概念
4)大數(shù)據(jù)的應(yīng)用
5)大數(shù)據(jù)關(guān)鍵技術(shù)
第二講 Google中的關(guān)鍵技術(shù)
1)GFS文件系統(tǒng)
2)Chubby中的Paxos算法
3)MapReduce技術(shù)機(jī)制
4)Bigtable表管理技術(shù)
第三講 Hadoop文件系統(tǒng)HDFS及其文件結(jié)構(gòu)
1) Hadoop項(xiàng)目簡(jiǎn)介
2) HDFS體系結(jié)構(gòu)
3) HDFS關(guān)鍵運(yùn)行機(jī)制
4) Hadoop vs Google
5) Hadoop API
第四講 MapReduce編程模型及其應(yīng)用開(kāi)發(fā)
1)　MapReduce產(chǎn)生背景
2)　MapReduce編程模型
3)　MapReduce實(shí)現(xiàn)機(jī)制
4)　MapReduce案例分析
第五講 Pig Latin及其使用
1)Pig 設(shè)計(jì)的目標(biāo)
2)Pig Latine介紹
3)Pig關(guān)鍵性技術(shù)
4)Pig的實(shí)用案例
第六講 數(shù)據(jù)倉(cāng)庫(kù)Hive使用
1) Hive設(shè)計(jì)目標(biāo)
2) Hive數(shù)據(jù)模型
3) Hive關(guān)鍵性技術(shù)
4) Hive的使用案例
第七講 HBase和ZooKeeper使用
1) Hbase運(yùn)行機(jī)制簡(jiǎn)介
2) HBase與 HDFS
3) HBase的對(duì)外接口
4) ZooKeeper的數(shù)據(jù)模型
5) ZooKeeper的讀寫機(jī)制
6) ZooKeeper的使用方法
第八講 數(shù)據(jù)抽取工具Sqoop使用
1)數(shù)據(jù)抽取技術(shù)介紹
2)Sqoop中的關(guān)鍵技術(shù)
3)Sqoop數(shù)據(jù)抽取策略
4)數(shù)據(jù)挖掘及分析
第九講 當(dāng)前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析
1)主流商業(yè)大數(shù)據(jù)解決方案比較
2)主流開(kāi)源云計(jì)算系統(tǒng)比較
3)國(guó)內(nèi)代表性大數(shù)據(jù)平臺(tái)比較
第十講各廠商最新的大數(shù)據(jù)產(chǎn)品介紹
1)IBM的大數(shù)據(jù)技術(shù)
2)HP的大數(shù)據(jù)技術(shù)
3)Teradata的大數(shù)據(jù)技術(shù)
4)其它廠商的大數(shù)據(jù)處理
六、培訓(xùn)目標(biāo)
1, 全面了解大數(shù)據(jù)處理技術(shù)的相關(guān)知識(shí)。
2，學(xué)習(xí)Hadoop的核心技術(shù)方法以及應(yīng)用特征。
3，深入使用Hadoop相關(guān)工具在大數(shù)據(jù)中的使用。
4，掌握傳統(tǒng)數(shù)據(jù)中心向云計(jì)算中心轉(zhuǎn)換的關(guān)鍵技術(shù)。
【