 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
上課地點：【上海】：同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領館區1號（中和大道） 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協同大廈
最近開課時間(周末班/連續班/晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
一、 課程簡介
大數據技術已經給新興互聯網企業（如電商平臺、搜索引擎、社交平臺網站、位置服務平臺、通信運營服務平臺商、廣告服務商等）、銀行金融企業、高端裝備制造企業、IT基礎設施提供商等帶來了巨大的商業機遇，企業的大數據平臺的實施建設與運維在企業信息化建設中發揮著至關重要的作用。
本課程讓學員充分掌握Hadoop大數據處理平臺、MySQL分布式數據庫應用和Greenplum為代表的MPP數據庫、以HBase為代表的NoSQL新型數據庫平臺的技術架構、以及平臺的安裝部署、運維配置、應用開發實戰技能，熟悉國內外主流的大數據處理解決方案、以及大數據應用案例。強調主流的大數據關鍵技術及其在不同行業中企業的實際應用，立足于實際的行業應用需求，旨在讓企業學員能夠掌握大數據平臺技術及應用如何落地，以及基于大數據平臺的技術架構實現、高性能大數據應用程序開發，以及大數據集群的運維技術，讓學員掌握業界主流的大數據平臺的應用和部署，并且結合當前互聯網+行業應用場景下產生的大規模結構化與非結構化數據管理以及分析處理需求，詳細講解有機地集成大數據平臺各個功能組件（大數據收集、大數據存儲、大數據管理、大數據挖掘、大數據分析和大數據可視化組件）設計大數據項目，并分享大數據項目應用實施案例。
本課程采用技術原理與項目實戰相結合的方式進行教學，在講授原理的過程中，穿插實際的系統操作，本課程講師也精心準備的實際的應用案例供學員動手訓練。通過學習基于Hadoop、MySQL、MPP數據庫平臺的大數據應用項目解決方案，緊密結合行業市場需求和國際國內最新技術發展潮流，促進企業利用大數據技術對現有的信息化設施進行改造升級，提升企業的商業價值，擁抱云-網-端與大數據時代的光明前景！
二、 培訓目標
1. 本課程讓學員學員掌握Hadoop平臺的平臺架構、核心關鍵技術、二次應用開發、大數據平臺集群運維和性能調優技能。
2. 讓學員掌握主流的MySQL數據庫集群架構、應用開發和性能優化技術的實戰技巧。
3. 讓學員掌握業界主流的MPP數據庫的集群架構、部署配置，并以Greenplum為代表，講解運用MPP數據庫技術結合Hadoop和MySQL技術實現大數據解決方案
4. 讓學員全面掌握大數據高性能處理平臺架構設計與項目選型規劃、大數據分布式存儲管理技術、NoSQL與NewSQL分布式數據庫技術、大數據倉庫與統計機器學習技術、大數據分析挖掘與商業智能（BI）技術、大數據實時處理技術、大數據離線處理技術、流式數據處理技術、大數據采集技術和大數據管理技術的原理知識和應用實戰技能。
5. 深入理解業界最流行的Hadoop與Spark大數據技術體系和平臺應用實戰，能根據給定的應用場景嫻熟地運用大數據技術體系規劃解決方案滿足實際項目需求，結合所學的Hadoop、MySQL和MPP數據庫知識，設計并部署符合生產環境要求的大型數據倉庫和大數據處理平臺集群，熟練地掌握基于Hadoop、MySQL和MPP大數據平臺進行應用程序開發、集群運維管理和性能調優技巧，并通過具體的實踐訓練項目貫穿整個課程，提高學員的動手技能。
三、 培訓人群
1. 數據庫與大數據項目的開發工程師
2. 數據庫與大數據項目的規劃咨詢管理人員
3. 數據庫與大數據項目的IT項目高管人員
4. 數據庫與大數據分析與挖掘處理算法應用工程師
5. 數據庫與大數據集群運維工程師
6. 數據庫與大數據項目的售前和售后技術支持服務人員
四、 培訓特色
1. 定制授課+ 案例分析講解 + 實戰操作，共3天
2. 實驗環境：Linux 虛擬機集群+ Hadoop + MySQL數據庫 + MPP（Greenplum）+ HBase，講師提供VMware虛擬機鏡像
五、 詳細大綱與培訓內容
培訓模塊 培訓要點
一、 業界主流的大數據技術產品與項目解決方案 1. 國內外主流的大數據解決方案介紹
2. 當前大數據解決方案與傳統數據庫方案的剖析比較
3. Apache Hadoop大數據平臺方案剖析
4. CDH Hadoop大數據平臺方案剖析
5. HDP Hadoop大數據平臺方案剖析
6. 開源的Hadoop大數據生態系統平臺剖析
二、 Hadoop大數據平臺剖析 7. Hadoop的發展歷程以及產業界的實際應用介紹
8. Hadoop大數據平臺架構
9. 基于Hadoop平臺的PB級大數據存儲管理與分析處理的工作原理與機制
10. Hadoop的核心組件剖析
三、 大數據分布式存儲系統原理及其應用實踐 11. 分布式文件系統HDFS的簡介
12. HDFS系統的主從式平臺架構和工作原理
13. HDFS核心組件技術講解
14. 基于HDFS的大型存儲系統應用開發實戰
15. HDFS集群的安裝、部署、配置與性能優化實踐
16. HDFS與Linux NFS3交互技術以及本地化掛載部署應用實踐
17. 分布式鍵值存儲系統介紹、平臺架構、核心技術以及應用開發
18. PB及大數據存儲系統的項目案例分析
四、 大數據并行處理MapReduce和Yarn并行處理平臺的架構與應用實踐 19. MapReduce并行計算模型
20. MapReduce作業執行與調度技術
21. 第二代大數據計算框架Yarn的工作原理以及DAG并行執行機制
22. MapReduce應用開發環境的部署，以及大數據并行處理應用程序開發
23. MapReduce高級編程技巧與性能優化實踐
24. MapReduce與Yarn大數據分析處理案例分析
五、 基于Hadoop的大型數據倉庫Hive集群平臺 25. 基于Hadoop的大型分布式數據倉庫基礎知識，HIVE在行業中的數據倉庫應用案例
26. Hive大數據倉庫簡介以及應用介紹
27. Hive數據倉庫集群的平臺體系結構、核心技術剖析
28. Hive Server的工作原理、機制與應用
29. Hive數據倉庫集群的安裝部署與配置優化
30. Hive應用開發技巧
31. Hive SQL剖析與應用實踐
32. Hive數據倉庫表與表分區、表操作、數據導入導出、客戶端操作技巧
33. Hive數據倉庫報表設計
34. Hive JDBC與ODBC的工作原理與實現機制
35. Hive HWI、CLI客戶端操作以及UDF應用實踐
六、 Hadoop+Hive應用實踐操作訓練 36. 部署與配置HIVE集群，以及HIVE性能調優
37. 構建HIVE開發環境
38. HIVE數據倉庫操作及項目實踐
七、 開源MySQL數據庫技術及其應用實踐 39. MySQL的發展歷程以及業界的實際應用介紹
40. MySQL數據庫管理系統的平臺架構和核心模塊剖析
41. MySQL應用開發實踐和數據庫編程實踐
42. MySQL讀寫分離技術應用實踐
43. MySQL主從復制技術應用實踐
44. 基于MySQL集群的數據分析項目應用實踐案例
八、 MySQL應用開發與運維實踐操作訓練 45. MySQL集群的部署與配置
46. MySQL讀寫分離與主從復制下的應用程序開發
47. MySQL性能調優技巧
九、 開源PostgreSQL 數據庫技術及應用實踐 48. PostgreSQL的發展歷程以及業界的實際應用介紹
49. PostgreSQL數據庫管理系統的平臺架構和核心模塊剖析
50. PostgreSQL應用開發實踐和數據庫編程實踐
51. PostgreSQL讀寫分離技術應用實踐
52. PostgreSQL主從復制技術應用實踐
53. 基于PostgreSQL集群的數據分析項目應用實踐案例
十、 PostgreSQL應用開發與運維實踐操作訓練 54. PostgreSQL集群的部署與配置
55. PostgreSQL讀寫分離與主從復制下的應用程序開發
56. PostgreSQL性能調優技巧
十一、 HBase分布式數據庫管理系統 57. NoSQL數據庫與NewSQL數據庫技術介紹，及其在半結構化和非結構化大數據方面的應用實踐
58. HBase分布式數據庫簡介、數據模型以及工作原理
59. HBase分布式數據庫集群的平臺架構和關鍵技術剖析
60. HBase應用項目開發技巧，以及客戶端開發實戰
61. HBase表設計與數據操作以及數據庫管理API調用
62. HBase集群的安裝部署與配置優化
63. ZooKeeper分布式協調服務系統的工作原理、平臺架構、集群部署與配置應用實戰
64. HBase集群的運維與監控管理
十二、 HBase應用實踐操作訓練 65. 部署與配置HBase集群以及HBase的性能優化
66. 部署與配置ZooKeeper分布式集群
67. 構建HBase開發環境
68. HBase數據庫操作及項目實踐
十三、 MPP數據庫技術原理及其應用實踐 69. MPP數據庫、數據倉庫與大數據分析處理解決方案概述70.
十四、 主流MPP并行數據庫的代表：Greenplum數據庫技術及應用實踐 （注：GPDB是Greenplum Database的簡稱） 71. Greenplum發展歷程、GPDB數據庫應用場景和應用案例，主要講解Greenplum在數據倉庫與數據分析方面的應用解決方案
72. Greenplum體系結構設計原理和模塊，以及高性能與高可用架構設計
73. Greenplum的數據倉庫、多維OLAP分析和機器學習模塊詳解
74. Greenplum分布式存儲引擎工作原理，數據的分布式存儲策略和負載均衡策略
75. 講解GPDB的SQL中的DDL語言，DCL語言，DML語言和常用分析函數的語法和用法
76. GPDB的模式定義方法和示例
77. GPDB查詢處理引擎工作原理
78. GPDB查詢規劃與分發
79. GPDB的SQL語句解析與查詢處理機制
80. GPDB的MPP并行查詢執行計劃
81. GPDB的數據管理方法，以及數據庫操作應用實踐
82. GPDB事務處理
83. GPDB數據庫監控分析
84. GPDB數據庫中的數據查詢處理機制和應用操作實踐
85. GPDB的角色設置和權限分配
十五、 Greenplum應用實踐操作訓練 86. 在Linux虛擬機集群上部署Greenplum分布式數據庫
87. 安裝并初始化GPDB數據庫集群系統
88. 啟動、停止GPDB實例，查看運行狀態
89. PSQL和pgAdminIII的安裝、部署和配置
90. PSQL客戶端接口和程序應用，常用SQL命令的應用操作
91. pgAdmin III客戶端功能模塊講解，以及應用操作實踐
92. 部署配置GPDB數據應用程序二次開發環境
93. GPDB數據庫系統性能調優方法和配置參數優化操作
94. GPDB高可用性配置方法和應用操作實踐
95. GPDB數據批量加載和導入導出操作實踐
96. GPDB數據庫備份和恢復的實現原理和操作應用
十六、 基于Hadoop、 MySQL、Greenplum和 Mahout的大數據分析挖掘平臺解決方案（可選） 97. 大數據分析挖掘技術介紹，以及行業大數據挖掘應用案例
98. Mahout大數據挖掘平臺的體系架構和核心技術
99. 基于Mahout的數據分析挖掘算法應用，包括分類算法、聚類算法、關聯規則挖掘算法、推薦與協同過濾分析算法、預測分析等算法的應用及其案例剖析
100. 基于Mahout的數據分析挖掘應用程序開發實戰
101. 利用MySQL數據源、Mahout與Hadoop集成大數據挖掘平臺應用實戰
十七、 大數據項目應用完整實踐與咨詢討論 102. 根據講師布置的實際應用案例，根據所學的Hadoop、MySQL、Greenplum等技術，開展大數據完整項目部署設計和應用開發實踐、大數據項目的需求分析、應用實施以及解決方案分享咨詢與交流討論 |
|
|
|
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業
