大數(shù)據(jù)時代培訓(xùn)中心
7x24小時咨詢熱線
7x24小時咨詢熱線
上課時段: 詳見內(nèi)容
已關(guān)注: 504人
課程價格: 請咨詢
課程長度：4天/24小時
課程描述：
Hadoop、Yarn、Spark是企業(yè)構(gòu)建生產(chǎn)環(huán)境下大數(shù)據(jù)中心的關(guān)鍵技術(shù)，也是大數(shù)據(jù)處理的核心技術(shù)，是每個云計算大數(shù)據(jù)工程師必修課。
大數(shù)據(jù)時代的精髓技術(shù)在于Hadoop、Yarn、Spark，是大數(shù)據(jù)時代公司和個人必須掌握和使用的核心內(nèi)容。
Hadoop、Yarn、Spark是Yahoo！、阿里淘寶等公司公認的大數(shù)據(jù)時代的三大核心技術(shù)，是大數(shù)據(jù)處理的靈魂，是云計算大數(shù)據(jù)時代的技術(shù)命脈之所在，以Hadoop、Yarn、Spark為基石構(gòu)建起來云計算大數(shù)據(jù)中心廣泛運行于Yahoo！、阿里淘寶、騰訊、百度、Sohu、華為、優(yōu)酷土豆、亞馬遜等公司的生產(chǎn)環(huán)境中。
Hadoop、Yarn、Spark三者相輔相成
.Hadoop中的HDFS是大數(shù)據(jù)時代公認的首選數(shù)據(jù)存儲方式；
.Yarn是目前公認的較佳的分布式集群資源管理框架；
.Spark是目前公認的大數(shù)據(jù)統(tǒng)一計算平臺；
工業(yè)和信息化部電信研究院于2014年5月發(fā)布的“大數(shù)據(jù)白皮書”中指出：
“2012 年美國聯(lián)邦政府就在全球率先推出“大數(shù)據(jù)行動計劃（Big data initiative）”，重點在基礎(chǔ)技術(shù)研究和公共部門應(yīng)用上加大投入。在該計劃支持下，加州大學(xué)伯克利分校開發(fā)了完整的大數(shù)據(jù)開源軟件平臺“伯克利數(shù)據(jù)分析軟件棧（Berkeley Data Analytics Stack），其中的內(nèi)存計算軟件Spark的性能比Hadoop 提高近百倍，對產(chǎn)業(yè)界大數(shù)據(jù)技術(shù)走向產(chǎn)生巨大影響”
----來源：工業(yè)和信息化部電信研究院
Spark是繼Hadoop之后，成為替代Hadoop的下一代云計算大數(shù)據(jù)核心技術(shù)。目前SPARK已經(jīng)構(gòu)建了自己的整個大數(shù)據(jù)處理生態(tài)系統(tǒng)，如流處理、圖技術(shù)、機器學(xué)習(xí)、Interactive Ad-Hoc Query等方面都有自己的技術(shù)，并且是ApacheProject，可以預(yù)計的是2014年下半年到2015年在社區(qū)和商業(yè)應(yīng)用上會有爆發(fā)式的增長。
國外一些大型互聯(lián)網(wǎng)公司已經(jīng)部署了Spark。甚至連Hadoop的早期主要貢獻者Yahoo現(xiàn)在也在多個項目中部署使用Spark；國內(nèi)的淘寶、優(yōu)酷土豆、網(wǎng)易、Baidu、騰訊、皮皮網(wǎng)等已經(jīng)使用Spark技術(shù)用于自己的商業(yè)生產(chǎn)系統(tǒng)中，國內(nèi)外的應(yīng)用開始越來越廣泛。Spark正在逐漸走向成熟，并在這個領(lǐng)域扮演更加重要的角色。
剛剛結(jié)束的2014 Spark Summit上的信息，Spark已經(jīng)獲得世界20家公司的支持，這些公司中包括Intel、IBM等，同時更重要的是包括了較大的四個Hadoop發(fā)行商（Cloudera,Pivotal, MapR, Hortonworks）都提供了對非常強有力的支持Spark的支持，尤其是是Hadoop的頭號發(fā)行商Cloudera在2014年7月份宣布“Impala’s itfor interactive SQL on Hadoop; everything else will move to Spark”，具體鏈接信息 http://t.cn/Rvdsukb，而其實在這次SparkSummit之前，整個云計算大數(shù)據(jù)就已經(jīng)發(fā)聲巨變：
1，2014年5月24日Pivotal宣布了會把整個Spark stack包裝在Pivotal HD Hadoop發(fā)行版里面。這意味這較大的四個Hadoop發(fā)行商（Cloudera, Pivotal, MapR,Hortonworks）都提供了對Spark的支持。http://t.cn/RvLF7aM星火燎原的開始；
2，Mahout前一階段表示從現(xiàn)在起他們將不再接受任何形式的以MapReduce形式實現(xiàn)的算法，另外一方面，Mahout宣布新的算法基于Spark；
3，Cloudera的機器學(xué)習(xí)框架Oryx的執(zhí)行引擎也將由Hadoop的MapReduce替換成Spark；
4，Google已經(jīng)開始將負載從MapReduce轉(zhuǎn)移到Pregel和Dremel上；
5，F(xiàn)aceBook則將原來使用Hadoop的負載轉(zhuǎn)移到Presto上；
現(xiàn)在很多原來使用深度使用Hadoop的公司都在紛紛轉(zhuǎn)向Spark，國內(nèi)的淘寶是典型的案例，國外的典型是Yahoo！，我們以使用世界上使用Hadoop較典型的公司Yahoo！為例，大家可以從Yahoo！的數(shù)據(jù)處理的架構(gòu)圖看出Yahoo！內(nèi)部正在使用Spark：
不得不提的是Spark的“One stack torule them all”的特性，Spark的特點之一就是用一個技術(shù)堆棧解決云計算大數(shù)據(jù)中流處理、圖技術(shù)、機器學(xué)習(xí)、交互式查詢、誤差查詢等所有的問題，此時我們只需要一個技術(shù)團隊通過Spark就可以搞定一切問題，而如果基于Hadoop就需要分別構(gòu)建實時流處理團隊、數(shù)據(jù)統(tǒng)計分析團隊、數(shù)據(jù)挖掘團隊等，而且這些團隊之間無論是代碼還是經(jīng)驗都不可相互借鑒，會形成巨大的成本，而使用Spark就不存在這個問題；
伴隨Spark技術(shù)的普及推廣，對專業(yè)人才的需求日益增加。Spark專業(yè)人才在未來也是炙手可熱，作為Spark人員，需要掌握的技能模型如下：
學(xué)員基礎(chǔ)：
對云計算有強烈的興趣，能夠看懂基本的Java語法。
培訓(xùn)對象：
1.對云計算、分布式數(shù)據(jù)存儲于處理、大數(shù)據(jù)等感興趣的朋友
2.傳統(tǒng)的數(shù)據(jù)庫，例如Oracle、MaySQL、DB2等的管理人員
3.Java、C等任意一門編程語言的開發(fā)者；
4.網(wǎng)站服務(wù)器端的開發(fā)人員
5.在校大學(xué)生、中專生或者剛畢業(yè)的學(xué)生
6.云計算大數(shù)據(jù)從業(yè)者；
7.熟悉Hadoop生態(tài)系統(tǒng)，想了解和學(xué)習(xí)Hadoop與Spark整合在企業(yè)應(yīng)用實戰(zhàn)案例的朋友；
8.系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員；
9.牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運行、規(guī)劃、設(shè)計負責(zé)人；
10.政府機關(guān)，金融保險、移動和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負責(zé)人；
11.高校、科研院所涉及到大數(shù)據(jù)與分布式數(shù)據(jù)處理的項目負責(zé)人；
12.數(shù)據(jù)倉庫管理人員、建模人員，分析和開發(fā)人員、系統(tǒng)管理人員、數(shù)據(jù)庫管理人員以及對數(shù)據(jù)倉庫感興趣的其他人員；
課程目標：
直接上手Hadoop工作，具備直接勝任Hadoop開發(fā)工程師的能力；輕松駕馭以Spark為核心的云計算大數(shù)據(jù)實戰(zhàn)技術(shù)，從容解決95%以上的云計算大數(shù)據(jù)業(yè)務(wù)需求；
?徹底理解Hadoop 代表的云計算實現(xiàn)技術(shù)的能力
?具備開發(fā)自己網(wǎng)盤的能力
?具備修改HDFS具體源碼實現(xiàn)的能力
?從代碼的角度剖析MapReduce執(zhí)行的具體過程并具備開發(fā)MapReduce代碼的能力
?具備掌握Hadoop如何把HDFS文件轉(zhuǎn)化為Key-Value讓供Map調(diào)用的能力
?具備掌握MapReduce內(nèi)部運行和實現(xiàn)細節(jié)并改造MapReduce的能力
?掌握Spark的企業(yè)級開發(fā)的所有核心內(nèi)容，包括Spark集群的構(gòu)建，Spark架構(gòu)設(shè)計、Spark內(nèi)核剖析、Shark、Spark SQL、Spark Streaming、圖計 算GraphX、機器學(xué)習(xí)等；
?掌握Spark和Hadoop協(xié)同工作，能夠通過Spark和Hadoop輕松應(yīng)對大數(shù)據(jù)的業(yè)務(wù)需求；
?掌握企業(yè)線上生產(chǎn)系統(tǒng)中應(yīng)用Spark /Hadoop成功案例，以及與現(xiàn)有企業(yè)BI平臺整合的方案；
培訓(xùn)職業(yè)目標：
?Hadoop工程師，能夠開發(fā)的Hadoop分布式應(yīng)用
?Hadoop完整項目的分析、開發(fā)、部署的全過程的能力
?Spark高級工程師
?大數(shù)據(jù)項目總負責(zé)人
?云計算大數(shù)據(jù)CTO
培訓(xùn)內(nèi)容：
時間
內(nèi)容
天
第1個主題：Hadoop三問（徹底理解Hadoop）
1、 Hadoop為什么是云計算分布式大數(shù)據(jù)的事實開源標準軟件框架？
2、Hadoop的具體是如何工作？
3、Hadoop的生態(tài)架構(gòu)和每個模塊具體的功能是什么？
第2個主題：Hadoop集群與管理（具備構(gòu)建并駕馭Hadoop集群能力）
1、 Hadoop集群的搭建
2、 Hadoop集群的監(jiān)控
3、 Hadoop集群的管理
4、集群下運行MapReduce程序
第3主題：徹底掌握HDFS(具備開發(fā)自己網(wǎng)盤的能力)
1、HDFS體系架構(gòu)剖析
2、NameNode、DataNode、SecondaryNameNode架構(gòu)
3、保證NodeName高可靠性較佳實踐
4、DataNode中Block劃分的原理和具體存儲方式
5、修改Namenode、DataNode數(shù)據(jù)存儲位置
6、使用CLI操作HDFS
7、使用Java操作HDFS
第4主題：徹底掌握HDFS(具備修改HDFS具體源碼實現(xiàn)的能力)
1、RPC架構(gòu)剖析
2、源碼剖析Hadoop構(gòu)建于RPC之上
3、源碼剖析HDFS的RPC實現(xiàn)
4、源碼剖析客戶端與與NameNode的RPC通信
第二天
第1個主題：徹底掌握MapReduce（從代碼的角度剖析MapReduce執(zhí)行的具體過程并具備開發(fā)MapReduce代碼的能力）
1、MapReduce執(zhí)行的經(jīng)典步驟
2、wordcount運行過程解析
3、Mapper和Reducer剖析
4、自定義Writable
5、新舊API的區(qū)別以及如何使用就API
6、把MapReduce程序打包成Jar包并在命令行運行
第2個主題：徹底掌握MapReduce（具備掌握Hadoop如何把HDFS文件轉(zhuǎn)化為Key-Value讓供Map調(diào)用的能力）
1、 Hadoop是如何把HDFS文件轉(zhuǎn)化為鍵值對的？
2、源碼剖析Hadoop讀取HDFS文件并轉(zhuǎn)化為鍵值對的過程實現(xiàn)
3、源碼剖析轉(zhuǎn)化為鍵值對后供Map調(diào)用的過程實現(xiàn)
第3個主題：徹底掌握MapReduce（具備掌握MapReduce內(nèi)部運行和實現(xiàn)細節(jié)并改造MapReduce的能力）
1、 Hadoop內(nèi)置計數(shù)器及如何自定義計數(shù)器
2、 Combiner具體的作用和使用以及其使用的限制條件
3、 Partitioner的使用較佳實踐
4、 Hadoop內(nèi)置的排序算法剖析
5、自定義排序算法
6、 Hadoop內(nèi)置的分組算法
7、自定義分組算法
8、MapReduce常見場景和算法實現(xiàn)
第4個主題：某知名電商公司Hadoop實施全程揭秘（具備掌握商業(yè)級別Hadoop的分析、開發(fā)、部署的全過程的能力）
通過電商公司現(xiàn)場案例展示商業(yè)級別一個完整項目的分析、開發(fā)、部署的全過程
第三天
第1個主題：YARN（具備理解和使用YARN的能力）
1、YARN的設(shè)計思想
2、YARN的核心組件
3、YARN的共組過程
4、YARN應(yīng)用程序編寫
第2個主題：ResourceManager深度剖析（具備深刻理解ResourceManager的能力）
1、ResourceManager的架構(gòu)
2、ClientRMService 與AdminService
3、NodeManager
4、Container
5、 Yarn的 HA機制
第3個主題：NodeManager深度剖析（具備掌握NodeManager及Container的能力）
1、 NodeManager架構(gòu)
2、 ContainerManagement
3、 Container lifecycle
4、 資源管理與隔離
第4堂課：Spark的架構(gòu)設(shè)計(具備掌握Spark架構(gòu)的能力)
1.1 Spark生態(tài)系統(tǒng)剖析
1.2 Spark的架構(gòu)設(shè)計剖析
1.3 RDD計算流程解析
1.4 Spark的出色容錯機制
第四天
第1堂課：深入Spark內(nèi)核
1 Spark集群
2 任務(wù)調(diào)度
3 DAGScheduler
4 TaskScheduler
5 Task內(nèi)部揭秘
第2堂課：SparkSQL
1 Parquet支持
2 DSL
3 SQL on RDD
第3堂課：Spark的機器學(xué)習(xí)
1 LinearRegression
2 K-Means
3 Collaborative Filtering
第4堂課：Spark的圖計算GraphX
1 Table Operators
2 Graph Operators
3 GraphX
學(xué)校首頁| 學(xué)校簡介| 課程列表| 學(xué)校新聞| 學(xué)校相冊| 教師團隊| 聯(lián)系我們
大數(shù)據(jù)時代培訓(xùn)中心課程請咨詢：
滬ICP備18048269號-1 
電子營業(yè)執(zhí)照
教育
全國教育網(wǎng)站
企業(yè)信用等級AA級
合作/版權(quán)/投訴
本頁信息由注冊用戶（機構(gòu)和個人）自行發(fā)布或提供，所有內(nèi)容僅供參考，任何關(guān)于對該用戶的推薦都不能替代您的考察核實，本站不承擔(dān)該用戶發(fā)布/提供信息的行為或內(nèi)容所引起的法律責(zé)任
