Total Hadoop Professional

培训对象

1，对云计算、分布式数据存储于处理、大数据等感兴趣的朋友

2，传统的数据库，例如Oracle、MaySQL、DB2等的管理人员

3，Java、C等任意一门编程语言的开发者；

4，网站服务器端的开发人员

5，在校大学生、中专生或者刚毕业的学生

6，云计算大数据从业者；

7，熟悉Hadoop生态系统，想了解和学习Hadoop与Spark整合在企业应用实战案例的朋友；

8，系统架构师、系统分析师、高级程序员、资深开发人员；

9，牵涉到大数据处理的数据中心运行、规划、设计负责人；

10，政府机关，金融保险、移动和互联网等大数据来源单位的负责人；

11，高校、科研院所涉及到大数据与分布式数据处理的项目负责人；

12，数据仓库管理人员、建模人员，分析和开发人员、系统管理人员、数据库管理人员以及对数据仓库感兴趣的其他人员；

参加课程基础要求

对云计算有强烈的兴趣，能够看懂基本的Java语法。

培训后的目标能力

直接上手Hadoop工作，具备直接胜任Hadoop开发工程师的能力；轻松驾驭以Spark为核心的云计算大数据实战技术，从容解决95%以上的云计算大数据业务需求；

培训技能目标

• 彻底理解Hadoop 代表的云计算实现技术的能力

• 具备开发自己网盘的能力

• 具备修改HDFS具体源码实现的能力 • 从代码的角度剖析MapReduce执行的具体过程并具备开发MapReduce代码的能力 • 具备掌握Hadoop如何把HDFS文件转化为Key-Value让供Map调用的能力 • 具备掌握MapReduce内部运行和实现细节并改造MapReduce的能力

• 具备掌握Pig企业级开发和管理的能力

• 具备掌握Hive企业级开发和管理的能力

• 掌握Spark的企业级开发的所有核心内容，包括Spark集群的构建，Spark架构设计、Spark内核剖析、Shark、Spark SQL、Spark Streaming、图计算GraphX、机器学习、Spark on Yarn、JobServer等；

• 掌握Spark和Hadoop协同工作，能够通过Spark和Hadoop轻松应对大数据的业务需求；

• 掌握企业线上生产系统中应用Spark /Hadoop成功案例，以及与现有企业BI平台整合的方案；

培训职业目标

• Hadoop工程师，能够开发的Hadoop分布式应用

• Hadoop完整项目的分析、开发、部署的全过程的能力

• Spark高级工程师

• 大数据项目总负责人

• 云计算大数据CTO

时间

内容

备注

第一天 

第1个主题：Hadoop三问（彻底理解Hadoop）

1、 Hadoop为什么是云计算分布式大数据的事实开源标准软件框架？

2、Hadoop的具体是如何工作？

3、Hadoop的生态架构和每个模块具体的功能是什么？

第2个主题：Hadoop集群与管理（具备构建并驾驭Hadoop集群能力）

1、 Hadoop集群的搭建

2、 Hadoop集群的监控

3、 Hadoop集群的管理

4、 集群下运行MapReduce程序

第3主题：彻底掌握HDFS(具备开发自己网盘的能力)

1、HDFS体系架构剖析

2、NameNode、DataNode、SecondaryNameNode架构

3、保证NodeName高可靠性最佳实践

4、DataNode中Block划分的原理和具体存储方式

5、修改Namenode、DataNode数据存储位置

6、使用CLI操作HDFS

7、使用Java操作HDFS

第4主题：彻底掌握HDFS(具备修改HDFS具体源码实现的能力)

1、RPC架构剖析

2、源码剖析Hadoop构建于RPC之上

3、源码剖析HDFS的RPC实现

4、源码剖析客户端与与NameNode的RPC通信

时间

内容

备注

第二天

第1个主题：彻底掌握MapReduce（从代码的角度剖析MapReduce执行的具体过程并具备开发MapReduce代码的能力）

1、MapReduce执行的经典步骤

2、wordcount运行过程解析

3、Mapper和Reducer剖析

4、自定义Writable

5、新旧API的区别以及如何使用就API

6、把MapReduce程序打包成Jar包并在命令行运行

第2个主题：彻底掌握MapReduce（具备掌握Hadoop如何把HDFS文件转化为Key-Value让供Map调用的能力）

1、 Hadoop是如何把HDFS文件转化为键值对的？

2、 源码剖析Hadoop读取HDFS文件并转化为键值对的过程实现

3、 源码剖析转化为键值对后供Map调用的过程实现

第3个主题：彻底掌握MapReduce（具备掌握MapReduce内部运行和实现细节并改造MapReduce的能力）

1、 Hadoop内置计数器及如何自定义计数器

2、 Combiner具体的作用和使用以及其使用的限制条件

3、 Partitioner的使用最佳实践

4、 Hadoop内置的排序算法剖析

5、 自定义排序算法

6、 Hadoop内置的分组算法

7、 自定义分组算法

8、 MapReduce常见场景和算法实现

第4个主题：Hadoop集群高级实践(具体Hadoop企业管理员的实际能力)

1、 动态增加Hadoop的Slave节点

2、 动态修改Hadoop的Replication数目

3、 使用命令管理Hadoop集群实践

4、 剖析Hadoop的安全模式

5、 日志剖析实践

时间

内容

备注

第三天

第1个主题：实战ZooKeeper（具备理解并通过命令行和Java两种方式操作ZooKeeper的能力）

1、ZooKeeper架构剖析及集群搭建

2、使用命令行操作ZooKeeper

3、使用Java操作ZooKeeper

第2个主题：实战HBase（具备掌握HBase企业级开发和管理的能力）

1、 HBase架构实现

2、 HBase的数据模型和存储模型

3、 使用CLI操作HBase

4、 使用Java操作HBase

5、 使用MapReduce代码向HBase中导入批量数据

第3个主题：实战Pig（具备掌握Pig企业级开发和管理的能力）

1、 Pig架构

2、 使用Pig操作数据的内幕

3、 使用Pig实例数据

第4个主题：实战Hive(具备掌握Hive企业级开发和管理的能力)

1、 Hive架构剖析

2、 Hive在HDFS中存储实现

3、 使用MySQL作为Hive的Metastore

4、 内部表、分区表、外部表、桶表

5、 视图

6、 自定义Hive的函数

时间

内容

备注

第四天

第1个主题：实战Sqoop（具备使用Sqoop自由转换传统关系型数据库和HDFS中数据的能力）

1、Sqoop架构

2、实战Sqoop把MySQL中的数据导入到HDFS中

3、实战Sqoop把HDFS中的数据导入到MySQL中

4、定义Sqoop任务

第2个主题：实战Flume（具备使用Flume收集和管理分布式日志的能力）

1、 Flume架构体系剖析

2、 Agent配置信息

3、 动态监控文件夹中文件的变化

4、 把数据导入到HDFS中

5、 实例监控文件夹文件的变化并把数据导入到HDFS中

第3个主题：Hadoop系统管理进阶（具备掌握MapReduce内部运行和实现细节并改造MapReduce的能力）

1、 Hadoop的安全模式

2、 系统监控

3、 系统维护

4、 委任节点和接触节点

5、 系统升级

6、 更多的系统管理工具实战

7、 系统管理最佳实践

第4个主题：电信日志项目（具备掌握Hadoop完整项目的分析、开发、部署的全过程的能力）

通过电信商搜集用户接打电话、上网等产生的日志对用户的电话和网络行为进行分析和监控，初步贯穿前面讲解的主要内容，使大家熟悉Hadoop一个完整项目的分析、开发、部署的全过程。

第5个主题：某知名电商公司Hadoop实施全程揭秘（具备掌握商业级别Hadoop的分析、开发、部署的全过程的能力）

通过电商公司现场案例展示商业级别一个完整项目的分析、开发、部署的全过程

第五天

第1个主题：YARN（具备理解和使用YARN的能力）

1、YARN的设计思想

2、YARN的核心组件

3、YARN的共组过程

4、YARN应用程序编写

第2个主题：Yarn资源调度器（具备理解和使用YARN的能力）

1、YARN资源调度架构

2、层级队列

3、Capacity Scheduler 

4、Fair Scheduler

第3个主题：ResourceManager深度剖析（具备深刻理解ResourceManager的能力）

1、ResourceManager的架构

2、ClientRMService 与AdminService 

3、NodeManager

4、Container

5、Yarn的 HA机制

第4个主题：NodeManager深度剖析（具备掌握NodeManager及Container的能力）

1、NodeManager架构

2、Container Management

3、Container  lifecycle

4、资源管理与隔离

第六天 

第1堂课：Spark的架构设计(具备掌握Spark架构的能力)

1.1 Spark生态系统剖析

1.2 Spark的架构设计剖析

1.3 RDD计算流程解析

1.4 Spark的出色容错机制

第2堂课：Spark编程模型(具备掌握编程核心的能力)

2.1 RDD

2.2 transformation

2.3 action

2.4 lineage

2.5宽依赖与窄依赖

第3堂课：深入Spark内核(具备掌握Spark内核的能力)

3.1 Spark集群

3.2 任务调度

3.3 DAGScheduler

3.4 TaskScheduler

3.5 Task内部揭秘

第4堂课：Spark的广播变量与累加器(具备掌握Spark广播和累加器的能力)

4.1 广播变量的机制

4.2 广播变量使用最佳实践

4.3 累加器的机制

4.4 累加器使用的最佳实践

第5堂课：Spark多语言编程(具备掌握多语言编程的能力)

5.1 PySpark API

5.2 使用 Python编写Spark程序

5.3 Java 8的函数式编程

5.4 使用Java 8编写Spark程序

5.5 Spark编程语言最佳选择：Scala

5.6 用Scala演绎Spark编程艺术

第6堂课：SparkContext解析和数据加载以及存储(具备掌握Spark加载以处理数据的能力)

6.1 源码剖析SparkContext

6.2 Scala、Java、Python使用SparkContext

6.4 加载数据成为RDD

6.5 把数据物化

时间 

內  容 

备注 

第七天 

第7堂课：深入实战RDD(具备掌握Spark RDD深入处理计算和优化计算的能力)

7.1 DAG

7.2 深入实战各种Scala RDD Function 

7.3 Spark Java RDD Function

7.4 RDD的优化问题

第8堂课：Shark的原理和使用(具备掌握Shark用于数据分析统计的能力)

8.1 Shark与Hive

8.2 安装和配置Shark

8.3 使用Shark处理数据

8.4 在Spark程序中使用Shark Queries

8.5 SharkServer

8.6 思考Shark架构

第9堂课：Spark的机器学习(具备掌握Spark的机器学习的能力)

9.1 LinearRegression

9.2 K-Means

9.3 Collaborative Filtering

第10堂课：Spark的图计算GraphX(具备掌握Spark图计算的能力)

10.1 Table Operators

10.2 Graph Operators

10.3 GraphX

第11堂课：Spark SQL(具备掌握Spark SQL进行的能力)

11.1 Parquet支持

11.2 DSL

11.3 SQL on RDD

时间 

內  容 

备注 

第八天 

第12堂课：Spark实时流处理(具备掌握Spark 实时流处理技术的能力)

12.1 DStream

12.2 transformation

12.3 checkpoint

12.4 性能优化

第13堂课：Spark程序的测试(具备掌握Spark程序测试的能力)

13.1 编写可测试的Spark程序

13.2 Spark测试框架解析

13.3 Spark测试代码实战

第14堂课：Spark的优化(具备掌握Spark优化的能力)

14.1 Logs

14.2 并发

14.3 内存

14.4 垃圾回收

14.5 序列化

14.6 安全

第15堂课：Spark on Yarn(具备掌握Spark on Yarn的能力)

15.1 Spark on Yarn的架构原理

15.2 Spark on Yarn的最佳实践

第16堂课：JobServer(具备掌握Spark as a cloud service的能力)

16.1 JobServer的架构设计

16.2 JobServer提供的接口

16.3 JobServer最佳实践

第17堂课：Spark项目案例实战(具备掌握Spark项目进行数据处理的能力)

17.1 Spark项目的最佳架构模式

17.2 案例的介绍和架构

17.3 案例的源码实现

17.4 调优