| 一、 大數(shù)據(jù)處理平臺架構基礎 |
1. 大數(shù)據(jù)的產生背景、發(fā)展歷程
2. 大數(shù)據(jù)和云計算的關系
3. 大數(shù)據(jù)應用需求以及潛在價值分析
4. 業(yè)界最新的大數(shù)據(jù)技術發(fā)展態(tài)勢與應用趨勢
5. 大數(shù)據(jù)項目的技術選型與大數(shù)據(jù)處理系統(tǒng)架構設計
6. “互聯(lián)網+”時代下的電子商務、制造業(yè)、零售批發(fā)業(yè)、電信運營商、互聯(lián)網金融業(yè)、網上銀行、電子政務、移動互聯(lián)網、教育信息化等行業(yè)應用實踐與應用案例剖析 |
| 二、 業(yè)界主流的大數(shù)據(jù)技術產品與項目解決方案 |
7. 國內外主流的大數(shù)據(jù)解決方案介紹
8. 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
9. Apache大數(shù)據(jù)平臺方案剖析
10. CDH大數(shù)據(jù)平臺方案剖析
11. HDP大數(shù)據(jù)平臺方案剖析
12. 開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析 |
| 三、 Hadoop大數(shù)據(jù)平臺核心技術剖析 |
13. Hadoop的發(fā)展歷程以及產業(yè)界的實際應用介紹
14. Hadoop大數(shù)據(jù)平臺架構
15. 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
16. Hadoop的核心組件剖析 |
| 四、 大數(shù)據(jù)分布式存儲系統(tǒng)原理及其應用實踐 |
17. 分布式文件系統(tǒng)HDFS的簡介
18. HDFS系統(tǒng)的主從式平臺架構和工作原理
19. HDFS核心組件技術講解
20. 基于HDFS的大型存儲系統(tǒng)應用開發(fā)實戰(zhàn)
21. HDFS集群的安裝、部署、配置與性能優(yōu)化實踐
22. HDFS與Linux NFS3交互技術以及本地化掛載部署應用實踐
23. 分布式鍵值存儲系統(tǒng)的平臺架構、核心技術以及應用開發(fā)
24. PB及大數(shù)據(jù)存儲系統(tǒng)的項目案例分析 |
| 五、 大數(shù)據(jù)并行處理框架MapReduce與Yarn技術實踐 |
25. MapReduce并行計算模型
26. MapReduce作業(yè)執(zhí)行與調度技術
27. 第二代大數(shù)據(jù)處理框架Yarn的工作原理及DAG并行執(zhí)行機制
28. MapReduce應用開發(fā)環(huán)境的部署，以及大數(shù)據(jù)并行處理應用程序開發(fā)
29. MapReduce高級編程技巧與性能優(yōu)化實踐
30. MapReduce與Yarn大數(shù)據(jù)分析處理案例分析 |
| 六、 Hadoop大數(shù)據(jù)處理高性能應用開發(fā)實踐操作訓練 |
31. 部署與配置HDFS，熟練操作HDFS SHELL，HDFS與NFS操作，以及HDFS API開發(fā)實踐
32. 部署與配置MapReduce與Yarn及其開發(fā)實踐
33. Hadoop的Linux二次開發(fā)環(huán)境部署與配置 |
| 七、 HBase分布式數(shù)據(jù)庫管理系統(tǒng) |
34. NoSQL數(shù)據(jù)庫與NewSQL數(shù)據(jù)庫技術介紹，及其在半結構化和非結構化大數(shù)據(jù)方面的應用實踐
35. HBase分布式數(shù)據(jù)庫簡介、數(shù)據(jù)模型以及工作原理
36. HBase分布式數(shù)據(jù)庫集群的平臺架構和關鍵技術剖析
37. HBase應用項目開發(fā)技巧，以及客戶端開發(fā)實戰(zhàn)
38. HBase表設計與數(shù)據(jù)操作以及數(shù)據(jù)庫管理API調用
39. HBase集群的安裝部署與配置優(yōu)化
40. ZooKeeper分布式協(xié)調服務系統(tǒng)的工作原理、平臺架構、集群部署與配置應用實戰(zhàn)
41. HBase集群的運維與監(jiān)控管理
?
|
| 八、 HBase應用實踐操作訓練 |
42. 部署與配置HBase集群以及HBase的性能優(yōu)化
43. 部署與配置ZooKeeper分布式集群
44. 構建HBase開發(fā)環(huán)境
45. HBase數(shù)據(jù)庫二次開發(fā)項目實踐 |
| 九、 大型數(shù)據(jù)倉庫Hive集群平臺 |
46. 基于Hadoop的大型分布式數(shù)據(jù)倉庫基礎知識，HIVE在行業(yè)中的數(shù)據(jù)倉庫應用案例
47. Hive大數(shù)據(jù)倉庫簡介以及應用介紹
48. Hive數(shù)據(jù)倉庫集群的平臺體系結構、核心技術剖析
49. Hive Server的工作原理、機制與應用
50. Hive數(shù)據(jù)倉庫集群的安裝部署與配置優(yōu)化
51. Hive應用開發(fā)技巧
52. Hive SQL剖析與應用實踐
53. Hive數(shù)據(jù)倉庫表與表分區(qū)、表操作、數(shù)據(jù)導入導出、客戶端操作技巧
54. Hive數(shù)據(jù)倉庫報表設計
55. Hive JDBC與ODBC的工作原理與實現(xiàn)機制
56. Hive HWI、CLI客戶端操作以及UDF應用實踐
? |
| 十、 Hive應用實踐操作訓練 |
57. 部署與配置HIVE集群，以及HIVE性能調優(yōu)
58. 構建HIVE開發(fā)環(huán)境
59. HIVE數(shù)據(jù)倉庫操作項目實踐 |
| 十一、 Spark大數(shù)據(jù)實時處理平臺剖析 |
60. Spark的發(fā)展歷程以及業(yè)界的實際應用介紹
61. Spark實時大數(shù)據(jù)處理平臺架構
62. Spark RDD內存彈性分布式數(shù)據(jù)集的工作原理與機制
63. Spark的核心組件剖析
64. 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 |
| 十二、 Spark應用實踐操作訓練 |
65. 部署與配置Spark集群，以及Spark性能調優(yōu)
66. 構建Spark開發(fā)環(huán)境
67. Spark程序運行以及操作 |
| 十三、 基于Spark的實時數(shù)據(jù)倉庫和實時數(shù)據(jù)分析挖掘處理平臺的實現(xiàn)機制， Spark SQL，Spark Streaming，MLib，GraphX，SparkR的應用實踐 |
68. 內存計算模型和實時處理技術介紹
69. Spark中各個分布式組件的處理框架及工作原理
70. Spark SQL實時數(shù)據(jù)倉庫的實現(xiàn)原理機制及應用實踐
71. Spark Streaming流式數(shù)據(jù)實時處理機制及應用實踐
72. Spark MLib實時機器學習算法應用實踐與案例應用
73. Spark GraphX實時圖數(shù)據(jù)處理應用實踐與社交網絡分析應用案例
74. SparkR的實現(xiàn)原理與應用實踐
75. Spark組件的應用編程開發(fā)實戰(zhàn)
76. Spark與Hadoop的集成解決方案實踐 |
| 十四、 Spark核心組件功能運用的實踐操作訓練 |
77. Spark SQL應用操作實訓
78. Spark Streaming應用操作實訓
79. Spark MLib應用操作實訓
80. Spark GraphX應用操作實訓
81. SparkR應用操作實訓
82. Spark與HBase集成數(shù)據(jù)分析實驗實訓 |
| 十五、 Mahout大數(shù)據(jù)分析挖掘平臺 |
83. 大數(shù)據(jù)分析挖掘技術介紹，以及行業(yè)大數(shù)據(jù)挖掘應用案例
84 . Mahout大數(shù)據(jù)挖掘平臺的體系架構和核心技術
85 . 基于Mahout的數(shù)據(jù)分析挖掘算法應用，包括分類算法、聚類算法、關聯(lián)規(guī)則挖掘算法、推薦與協(xié)同過濾分析算法、預測分析等算法的應用及其案例剖析
86 . 基于Mahout的數(shù)據(jù)分析挖掘應用程序開發(fā)實戰(zhàn)
87 . 利用Mahout與Hadoop集成大數(shù)據(jù)挖掘平臺應用實戰(zhàn) |
| 十六、 Mahout大數(shù)據(jù)分析挖掘項目的實踐操作訓練 |
88. Mahout集群的安裝部署與配置優(yōu)化
89. Mahout實現(xiàn)客戶分析，廣告分析，日志分析，規(guī)律預測，關聯(lián)分析，定向推薦等應用程序的開發(fā)與應用實戰(zhàn)
90. Mahout性能優(yōu)化與分析挖掘算法參數(shù)的優(yōu)化，并結合Mahout實現(xiàn)交互式數(shù)據(jù)查詢與分析挖掘的項目實踐 |
| 十七、 Flink分布式數(shù)據(jù)流處理與計算 |
91.大數(shù)據(jù)處理引擎Flink基礎概念
92.Flink體系架構
93.Flink的部署和HA的實現(xiàn)。
94.如何在Flink中實現(xiàn)流式處理和批處理的Demo。 |
| 十八、 Storm流式數(shù)據(jù)處理平臺架構及其應用實踐 |
95. Storm流式處理系統(tǒng)的平臺架構和工作原理
96. Storm關鍵技術剖析
97. Storm集群安裝部署與配置優(yōu)化
98. Storm日志流數(shù)據(jù)分析項目應用實戰(zhàn)
99. Storm和Hadoop，Spark的應用集成項目實踐 |
| 十九、 大數(shù)據(jù)智能化ETL操作工具以及Hadoop集群運維監(jiān)控工具平臺應用 |
100. Hadoop與DBMS之間數(shù)據(jù)交互工具Sqoop導入導出數(shù)據(jù)的工作原理，以及Sqoop集群安裝部署與配置
101. Kettle集群的平臺架構、核心技術工作原理以及應用案例
102. Kettle大數(shù)據(jù)ETL工具的部署與配置，以及應用實戰(zhàn)
103. 利用Sqoop實現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導入導出交互程序
104. Hadoop大數(shù)據(jù)運維監(jiān)控管理系統(tǒng)HUE平臺的安裝部署與應用配置
105. Hadoop運維管理監(jiān)控系統(tǒng)Ambari平臺的安裝部署與應用配置
106. Hadoop集群運維系統(tǒng)Ganglia, Nagios的安裝部署與應用配置 |
| 二十、 大數(shù)據(jù)的信息安全技術及其應用 |
107. “互聯(lián)網+APP”背景下的信息安全遇到的挑戰(zhàn)，以及可行的信息安全策略和案例分析
108. 大數(shù)據(jù)隱私保護技術及其應用
109. 大數(shù)據(jù)加密技術及其應用
110. 大數(shù)據(jù)平臺的安全認證技術及其應用
111. 大數(shù)據(jù)平臺的實時保護和監(jiān)控、細粒度的數(shù)據(jù)訪問審計、自動化的告警、數(shù)據(jù)級別的訪問控制、數(shù)據(jù)漏洞管理，以及敏感數(shù)據(jù)的自動發(fā)現(xiàn)
? |
| 二十一、 大數(shù)據(jù)平臺項目應用完整實踐與咨詢討論 |
112. 根據(jù)講師布置的實際應用案例，開展大數(shù)據(jù)完整項目部署設計和應用開發(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分享咨詢與交流討論 |
