| ? |
培訓模塊 |
培訓內容 |
| ? |
大數(shù)據(jù)基礎 |
1. 什么是大數(shù)據(jù)
2 大數(shù)據(jù)技術的產(chǎn)生背景
3. 大數(shù)據(jù)應用場景
4. 大數(shù)據(jù)思維
5. 大數(shù)據(jù)產(chǎn)業(yè)鏈
6. 大數(shù)據(jù)是如何變革各行業(yè)的技術架構、商業(yè)模式和組織方式
7. 大數(shù)據(jù)必備的技術基礎 |
業(yè)界主流Hadoop
大數(shù)據(jù)平臺技術產(chǎn)品
與項目解決方案 |
8. 國內外主流的大數(shù)據(jù)解決方案介紹
9. 當前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案的剖析比較
10. Apache Hadoop大數(shù)據(jù)平臺全流程解決方案
11. Cloudera Hadoop大數(shù)據(jù)平臺全流程解決方案
12. HDP Hadoop大數(shù)據(jù)平臺解決方案
13. 開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析 |
| 大數(shù)據(jù)平臺解決方案 |
14. Hadoop的發(fā)展歷程以及產(chǎn)業(yè)界實際應用介紹
15. Hadoop 大數(shù)據(jù)平臺架構
16. 基于Hadoop平臺的PB級大數(shù)據(jù)存儲管理與分析處理的工作原理與機制
17. Hadoop的核心組件剖析
18. Hadoop大數(shù)據(jù)解決方案和產(chǎn)品 |
大數(shù)據(jù)管理系統(tǒng)
應用實戰(zhàn)與解決方案 |
19. 大數(shù)據(jù)管理系統(tǒng)介紹
20. NoSQL 數(shù)據(jù)庫與 NewSQL 數(shù)據(jù)庫技術介紹,及Hadoop 數(shù)據(jù)庫典型代表
21. HBase 在半結構化和非結構化大數(shù)據(jù)管理方面的應用實踐
22. NOSQL 大數(shù)需管理解決方案
23. NOSQL 管理圖數(shù)據(jù)方案
24. NOSQL 管理非結構化數(shù)據(jù)方案
25. 分布式數(shù)據(jù)庫管理結構化數(shù)據(jù)方案 |
大數(shù)據(jù)監(jiān)控
管理解決方案 |
26.大數(shù)據(jù)運維監(jiān)控管理系統(tǒng):HUE平臺的監(jiān)控管理解決方案
27.大數(shù)據(jù)運維管理監(jiān)控系統(tǒng)Ambari平臺
28.Hadoop集群運維Ganglia,Nagios解決方案 |
大型數(shù)據(jù)倉庫與
數(shù)據(jù)中心解決方案 |
29.基于Hadoop的大型分布式數(shù)據(jù)倉庫基礎
30.政務大數(shù)據(jù)倉庫的建設
31.持續(xù)增長的數(shù)據(jù)倉庫的建設實施案例 |
| ? |
實時大數(shù)據(jù)
分析處理平臺
的解決方案 |
32. Spark 的發(fā)展歷程以及業(yè)界的實際應用介紹
33. Spark實時大數(shù)據(jù)處理平臺架構
34. Spark RDD內存彈性分布式數(shù)據(jù)集的工作
35. Spark的核心組件剖析
36. 基于Spark的實時數(shù)據(jù)倉庫與實時分析挖掘處理在行業(yè)中的應用實踐案例 |
政府部門大數(shù)據(jù)
應用案例 |
37. 醫(yī)療大數(shù)據(jù)應用
38. 數(shù)字城市大數(shù)據(jù)應用
39. 國土大數(shù)據(jù)應用
40. 電力大數(shù)據(jù)應用
41. 城市管理大數(shù)據(jù)應用 |
大數(shù)據(jù)中心常見
問題及應對之策 |
42. 大數(shù)據(jù)中心的數(shù)據(jù)治理問題及應對之策
43. 大數(shù)據(jù)中心的安全問題及應對之策
45. 大數(shù)據(jù)中心的訪問控制問題及應對之策
46. 大數(shù)據(jù)中心的能源供應問題及應對之策
47. 大數(shù)據(jù)中心的雙活備用問題及應對之策 |
| 云計算基礎 |
48. 云計算技術應用解決方案,智慧城市與云計算技術應用,移動互聯(lián)網(wǎng)、大數(shù)據(jù)與云計算應用解決方案
49. 云計算和大數(shù)據(jù)技術在運營商、金融業(yè)、銀行業(yè)、電子商務行業(yè)、零售業(yè)、制造業(yè)、政務信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)應用實踐
50. 云計算平臺技術與層次架構分析
51. 云計算的服務模式與SPI服務模型,laas、PaaS、SaaS、DaaS技術解析
52. 公有云計算平臺、私有云平臺、混合云平臺
53. 政務云平臺的實施室例 |
| 云計算關鍵技術 |
54. 云計算和虛擬化平臺的成熟應用案例
55. 云計算與虛擬化平臺的關鍵技術
56. 云計算平臺的架構設計與實現(xiàn)
57. 云資源池管理解決方富剖析
58. 云計算分布式計算技術以及存儲虛擬化、計算虛擬化、網(wǎng)絡虛擬化技術原理
59. 桌面虛擬化、服務器虛擬化技術原理及應用 |
| 云計算解決方案 |
60. 云計算與虛擬化技術的應用解決方案
61. 重點講解業(yè)界主流的標準化云計算平臺產(chǎn)品的平臺架構及其應用概況
62. OpenStack 云計算點擬化管理平臺解決方
63. VMware VSphere 云計算虛擬化集群管理平臺解決方案
64. 容器虛擬化云平臺解決方案,包括 Docker云平臺方案與產(chǎn)品 |
| 云平臺運維管理 |
65. 商業(yè)云計算平臺VMware 的運維管理
66. 開源云計算平臺 OpenStack 的運維管理
67. 容器云平臺Docker和 Kubermnetes 運維管理
68. 云平臺的自動化運維的挑戰(zhàn)與解決之道
69. 云平臺的運維特征分析與特點
70. 云平臺的安全運維之道
71. 云平臺運維系統(tǒng)的規(guī)劃設計和系統(tǒng)架構
72. 云運維管理角色的職責設計
73. 云平臺的平臺優(yōu)化運維
74. 云平臺的系統(tǒng)監(jiān)控層維護 |
信息化項目建設
管理系統(tǒng)流程及
相關的系統(tǒng)知識 |
75. 信息化項目的管理流程
76. 信息化項目管理需要具備的系統(tǒng)知識
77. 主機規(guī)劃知識,ICT系統(tǒng)知識
78. 交流討論:根據(jù)講師布置的實際應用案例,開展大數(shù)據(jù)完整項目部容設計和應用開發(fā)實踐、大數(shù)據(jù)項目的需求分析、應用實施以及解決方案 |
| ? |
大數(shù)據(jù)基礎技術 |
79. 大數(shù)據(jù)的4V特征,以及與云計算的關系
80. 大數(shù)據(jù)應用需求以及潛在價值分析
81. 業(yè)界最新的大數(shù)據(jù)技術發(fā)展態(tài)勢與應用趨勢
82. 大數(shù)招項目的系統(tǒng)與技術選型,及落地實施的挑戰(zhàn)
83. “互聯(lián)網(wǎng)+時代下的電子商務、制造業(yè)、零售批發(fā)、電信運營崗,互聯(lián)網(wǎng)金融業(yè)、電子政務、移動互聯(lián)網(wǎng)、教育信息化等行業(yè)應用實殘與應用露例介紹 |
業(yè)界主流的
大數(shù)據(jù)技術方案 |
84. 大數(shù)據(jù)歟硬件系統(tǒng)全棧與關鍵技術介紹
85. 主流的大數(shù)據(jù)解決方露介紹
86. Apache 大數(shù)據(jù)平臺方索創(chuàng)析
87. CDH大數(shù)據(jù)平臺方宏創(chuàng)析
88. HDP大數(shù)據(jù)平臺方索制析
89. 大數(shù)貼解決方室與傳統(tǒng)致眍庫方家比較 |
大數(shù)據(jù)計算模型
(一) 批處理 MapReduce |
90. MapReduce產(chǎn)生背景與適用場景
91. MapReduce 計算模型的基本原理
92. MapReduce作業(yè)執(zhí)行流程
93. MapReduce基本姐件,Jobtracker和Tasktracker
94. MapReduce高級編程應用,Combiner和Partitioner
95. MapReduce性能優(yōu)化技巧
96. MapReduce室例分析與開發(fā)實踐操作 |
大數(shù)據(jù)存儲系統(tǒng)
與應用實踐 |
97.分布式文件系統(tǒng)HDFS 產(chǎn)生背景與適用場景
98. HDFS master-slave 系統(tǒng)架構與工作原理
99. HDFS核心組件技術講解
100. HDFS 高可用保證機制
101. HDFS 集群的安裝,部零與配置,熟練HDFS shell 命令操作
102. 分布式小文件存儲系統(tǒng)的平臺深構、核心技術與應用場景
103. 分布式對象存儲系統(tǒng)的平臺架構、核心技術與應用場景 |
Hadoop框架與
生態(tài)發(fā)展及
應用實踐操作 |
104. Hadoop的發(fā)展歷程
105. Hadoop 大數(shù)據(jù)生態(tài)國系統(tǒng)與工具全貌介紹
106. Hadoop 1. 0的核心組件與適用范圍
107. Hadoop 2. 0的核心組件YARN 工作原理,以及與Hadoop 1. 0的區(qū)別
108. Hadoop資源管理與作業(yè)調度機制
109. Hadoop 常用性能優(yōu)化技術
110. Hadoop集群安裝與部署實踐,以及MapReduce程序在YARN上執(zhí)行 |
| ? |
大數(shù)據(jù)計算模型
(二) 實時處理/內存計算Spark |
111. MapReduce計算模型的瓶頸
112. Spark產(chǎn)生動機、基本概念與適用場景
113. Spark 編程模型與 RDD彈性分布式數(shù)據(jù)集的工作原理與機制
114. Spark 實時處理平臺運行架構與核心組件
115. Spark容錯機制
116. Spark作業(yè)調度機制
117. Scala開發(fā)介紹與實踐
118. Spark 集群部署與配置實踐,Spark開發(fā)環(huán)境構建,Spark案例程序分析,Spark程序開發(fā)與運行,Spark與Hadoop集群集成實踐 |
| 總結 |
學員分組交流討論 |