第一天 上午

大數(shù)據(jù)技術(shù)基礎(chǔ)

大數(shù)據(jù)的產(chǎn)生背景與發(fā)展歷程

大數(shù)據(jù)的4V特征，以及與云計算的關(guān)系

大數(shù)據(jù)應(yīng)用需求以及潛在價值分析

業(yè)界*新的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢與應(yīng)用趨勢

大數(shù)據(jù)項目的系統(tǒng)與技術(shù)選型，及落地實施的挑戰(zhàn)

“互聯(lián)網(wǎng) ”時代下的電子商務(wù)、制造業(yè)、零售批發(fā)、電信運營商、互聯(lián)網(wǎng)金融業(yè)、電子政務(wù)、移動互聯(lián)網(wǎng)、教育信息化等行業(yè)實踐與應(yīng)用案例介紹

業(yè)界主流的大數(shù)據(jù)技術(shù)方案

大數(shù)據(jù)軟硬件系統(tǒng)全棧與關(guān)鍵技術(shù)介紹

主流的大數(shù)據(jù)解決方案介紹

Apache大數(shù)據(jù)平臺方案剖析

CDH大數(shù)據(jù)平臺方案剖析

HDP大數(shù)據(jù)平臺方案剖析

大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案比較

大數(shù)據(jù)計算模型（一）——批處理MapReduce

MapReduce產(chǎn)生背景與適用場景

MapReduce計算模型的基本原理

MapReduce作業(yè)執(zhí)行流程

MapReduce基本組件，JobTracker和TaskTracker

MapReduce高級編程應(yīng)用，Combiner和Partitioner

MapReduce性能優(yōu)化技巧

MapReduce案例分析與開發(fā)實踐操作

第一天 下午

大數(shù)據(jù)存儲系統(tǒng)與應(yīng)用實踐

分布式文件系統(tǒng)HDFS產(chǎn)生背景與適用場景

HDFS master-slave系統(tǒng)架構(gòu)與工作原理

HDFS核心組件技術(shù)講解

HDFS高可用**機制

HDFS集群的安裝、部署與配置，熟練HDFS shell命令操作

分布式小文件存儲系統(tǒng)的平臺架構(gòu)、核心技術(shù)與應(yīng)用場景

分布式對象存儲系統(tǒng)的平臺架構(gòu)、核心技術(shù)與應(yīng)用場景

Hadoop框架與生態(tài)發(fā)展，以及應(yīng)用實踐操作

Hadoop的發(fā)展歷程

Hadoop大數(shù)據(jù)生態(tài)圈系統(tǒng)與工具全貌介紹

Hadoop 1.0的核心組件與適用范圍

Hadoop 2.0的核心組件YARN工作原理，以及與Hadoop 1.0的區(qū)別

Hadoop資源管理與作業(yè)調(diào)度機制

Hadoop常用性能優(yōu)化技術(shù)

Hadoop集群安裝與部署實踐，以及MapReduce程序在YARN上執(zhí)行

第二天 上午

大數(shù)據(jù)計算模型（二）——實時處理/內(nèi)存計算 Spark

MapReduce計算模型的瓶頸

Spark產(chǎn)生動機、基本概念與適用場景

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

Spark實時處理平臺運行架構(gòu)與核心組件

Spark容錯機制、Spark作業(yè)調(diào)度機制、Scala開發(fā)介紹與實踐

Spark集群部署與配置實踐，Spark開發(fā)環(huán)境構(gòu)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

第二天 下午

大數(shù)據(jù)倉庫查詢技術(shù)Hive、SparkSQL、Impala，以及應(yīng)用實踐

基于MapReduce的大型分布式數(shù)據(jù)倉庫Hive基礎(chǔ)知識與應(yīng)用場景

Hive數(shù)據(jù)倉庫的平臺架構(gòu)與核心技術(shù)剖析

Hive metastore的工作機制與應(yīng)用

Hive數(shù)據(jù)倉庫實踐：Hive集群安裝部署，數(shù)據(jù)倉庫表導(dǎo)入導(dǎo)出與分區(qū)操作，Hive SQL操作，Hive客戶端操作

基于Spark的大型分布式數(shù)據(jù)倉庫SparkSQL基礎(chǔ)知識與應(yīng)用場景

Spark SQL實時數(shù)據(jù)倉庫的實現(xiàn)原理與工作機制

SparkSQL應(yīng)用分析與操作實踐

基于MPP的大型分布式數(shù)據(jù)倉庫Impala基礎(chǔ)知識與應(yīng)用場景

Impala實時查詢系統(tǒng)平臺架構(gòu)、關(guān)鍵技術(shù)剖析

Hadoop集群運維監(jiān)控工具

Hadoop大數(shù)據(jù)運維監(jiān)控管理系統(tǒng)HUE平臺介紹

Hadoop運維管理監(jiān)控系統(tǒng)Ambari工具介紹

第三方運維系統(tǒng)與工具Ganglia, Nagios

第三天 下午

大數(shù)據(jù)計算模型（三）——流處理Storm, SparkStreaming

流數(shù)據(jù)處理應(yīng)用場景與流數(shù)據(jù)處理的特點

流數(shù)據(jù)處理工具Storm的平臺架構(gòu)與集群工作原理

Storm關(guān)鍵技術(shù)與并發(fā)機制

Storm編程模型與基本開發(fā)模式

Storm數(shù)據(jù)流分組

Storm可靠性**與Acker機制

Storm應(yīng)用案例分析與實踐：Storm集群安裝部署，Storm程序開發(fā)運行操作實踐，Storm與Hadoop集群的集成

流數(shù)據(jù)處理工具Spark Streaming基本概念與數(shù)據(jù)模型

Spark Streaming工作機制

大數(shù)據(jù)ETL操作工具，與大數(shù)據(jù)分布式采集系統(tǒng)

Hadoop與DBMS之間數(shù)據(jù)交互工具的應(yīng)用

Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)的工作原理，以及Sqoop工具的安裝部署與實踐操作，利用Sqoop實現(xiàn)MySQL與Hadoop集群之間的數(shù)據(jù)導(dǎo)入導(dǎo)出交互

Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型與系統(tǒng)架構(gòu)

Kafka分布式消息訂閱系統(tǒng)的應(yīng)用介紹與平臺架構(gòu)，及其使用模式

第三天 下午

面向OLTP型應(yīng)用的NoSQL數(shù)據(jù)庫及應(yīng)用實踐

關(guān)系型數(shù)據(jù)庫瓶頸，以及NoSQL數(shù)據(jù)庫的發(fā)展，概念，分類，及其在半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)場景下的適用范圍

列存儲NoSQL數(shù)據(jù)庫HBase簡介與數(shù)據(jù)模型剖析

HBase分布式集群系統(tǒng)架構(gòu)與讀寫機制，ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理與應(yīng)用

HBase表設(shè)計模式與primary key設(shè)計規(guī)范

HBase分布式集群安裝、部署與操作實踐

文檔NoSQL數(shù)據(jù)庫MongoDB簡介與數(shù)據(jù)模型剖析

MongoDB集群模式、讀寫機制與常用API操作

Cassandra分布式數(shù)據(jù)庫的平臺架構(gòu)以及關(guān)鍵技術(shù)

Cassandra一致性哈希算法與數(shù)據(jù)分布策略，以及NWR策略

鍵值型NoSQL數(shù)據(jù)庫Redis簡介與數(shù)據(jù)模型剖析

Redis多實例集群架構(gòu)與關(guān)鍵技術(shù)

NewSQL數(shù)據(jù)庫技術(shù)簡介及其適用場景

大數(shù)據(jù)項目選型、實施、優(yōu)化等問題交流討論

大數(shù)據(jù)項目的需求分析、應(yīng)用實施、系統(tǒng)優(yōu)化，以及解決方案等咨詢與交流討論