北京哪里有大數(shù)據(jù)就業(yè)班培訓(xùn)
**階段linux 搜索 hadoop體系
Linux基礎(chǔ)→ shell編程→ 高并發(fā)架構(gòu)→ hadoop體系→ HDFS→ mapreduce→ hbase→ zookeeper→ hive→ lucene搜索→solr/solrcloud→ elasticsearch分布式搜索→ CM CDH集群管理→ impala→ oozie→ flume→ sqoop→ 項(xiàng)目實(shí)戰(zhàn)一
第二階段機(jī)器學(xué)習(xí)
R語(yǔ)言→ mahout→ 項(xiàng)目實(shí)戰(zhàn)二
第三階段storm流式計(jì)算
kafka→ storm→ redis→ 項(xiàng)目實(shí)戰(zhàn)三
第四階段spark內(nèi)存計(jì)算
scala編程→ spark core→ spark sql→ spark streaming→ spark mllib→ spark graphx→ 項(xiàng)目實(shí)戰(zhàn)四→ python機(jī)器學(xué)習(xí)→spark python編程→ 項(xiàng)目實(shí)戰(zhàn)五→ 項(xiàng)目實(shí)戰(zhàn)六
第五階段云計(jì)算平臺(tái)
docker→ kvm→ openstack云計(jì)算→ 就業(yè)指導(dǎo)
| **階段：linux 搜索 hadoop體系 | |
| Linux大綱 | 這章是基礎(chǔ)課程，幫大家進(jìn)入大數(shù)據(jù)領(lǐng)域打好Linux基礎(chǔ)，以便更好地學(xué)習(xí)Hadoop，hbase,NoSQL，Spark，Storm，docker,kvm,openstack等眾多課程。因?yàn)槠髽I(yè)中無(wú)一例外的是使用Linux來(lái)搭建或部署項(xiàng)目。 |
|
1) Linux的介紹，Linux的安裝：VMware Workstation虛擬軟件安裝過(guò)程、CentOS虛擬機(jī)安裝過(guò)程 2) 了解機(jī)架服務(wù)器，采用真實(shí)機(jī)架服務(wù)器部署linux 3) Linux的常用命令：常用命令的介紹、常用命令的使用和練習(xí) 4) Linux系統(tǒng)進(jìn)程管理基本原理及相關(guān)管理工具如ps、pkill、top、htop等的使用； 5) Linux啟動(dòng)流程，運(yùn)行級(jí)別詳解，chkconfig詳解 6) VI、VIM編輯器：VI、VIM編輯器的介紹、VI、VIM扥使用和常用快捷鍵 7) Linux用戶和組賬戶管理：用戶的管理、組管理 8) Linux磁盤(pán)管理，lvm邏輯卷，nfs詳解 9) Linux系統(tǒng)文件權(quán)限管理：文件權(quán)限介紹、文件權(quán)限的操作 10) Linux的RPM軟件包管理：RPM包的介紹、RPM安裝、卸載等操作 11) yum命令，yum源搭建 12) Linux網(wǎng)絡(luò)：Linux網(wǎng)絡(luò)的介紹、Linux網(wǎng)絡(luò)的配置和維護(hù) 13) Shell編程：Shell的介紹、Shell腳本的編寫(xiě) 14) Linux上常見(jiàn)軟件的安裝：安裝JDK、安裝Tomcat、安裝mysql,web項(xiàng)目部署 |
|
|
大型網(wǎng)站 高并發(fā)處理 |
**本章的學(xué)習(xí)大家將會(huì)了解大數(shù)據(jù)的源頭，數(shù)據(jù)從何而來(lái)，繼而更好的了解大數(shù)據(jù)。并且**學(xué)習(xí)何果處理大型網(wǎng)站高并發(fā)問(wèn)題反向更深入的學(xué)習(xí)了Linux，同時(shí)站在了更高的角度去觸探了架構(gòu)。 |
|
1) 第四層負(fù)載均衡 a) Lvs負(fù)載均衡 i. 負(fù)載算法，NAT模式，直接路由模式（DR），隧道模式（TUN） b) F5負(fù)載均衡器介紹 2) 第七層負(fù)載均衡 a) Nginx b) Apache 3) Tomcat、jvm優(yōu)化提高并發(fā)量 4) 緩存優(yōu)化 a) Java緩存框架 i. Oscache，ehcache b) 緩存數(shù)據(jù)庫(kù) i. Redis，Memcached 5) Lvs nginx tomcat redis|memcache構(gòu)建二層負(fù)載均衡千萬(wàn)并發(fā)處理 6) Haproxy 7) Fastdfs小文件獨(dú)立存儲(chǔ)管理 8) Redis緩存系統(tǒng) a) Redis基本使用 b) Redis sentinel高可用 c) Redis好友推薦算法 |
|
| Lucene課程 | 在大數(shù)據(jù)里面文本數(shù)據(jù)的搜索是很重要的一塊，特別是里面的分詞技術(shù)，是后面機(jī)器學(xué)習(xí)里面文本挖掘的基石，我們需要深入學(xué)習(xí)java領(lǐng)域里面的搜索核心技術(shù)lucene，同時(shí)也可以了解到百度 google這樣的搜索系統(tǒng)是怎么架構(gòu)實(shí)現(xiàn)的。 |
|
1) Lucene介紹
2) Lucene 倒排索引原理
>
3) 建索引 IndexWriter
4) 搜索 IndexSearcher
5) Query
6) Sort和 過(guò)濾 （filter）
7) 索引優(yōu)化和高亮
|
|
| Solr課程 | 接著前面lucene技術(shù)搜索，如果把lucene技術(shù)比如為發(fā)動(dòng)機(jī)，那solr就是一兩成型的汽車了。學(xué)習(xí)完solr可以幫助你在企業(yè)里面快速的架構(gòu)搜索系統(tǒng)。首先Solr是基于Lucene做的，Lucene是一套信息檢索工具包，但并不包含搜索引擎系統(tǒng)，它包含了索引結(jié)構(gòu)、讀寫(xiě)索引工具、相關(guān)性工具、排序等功能，因此在使用Lucene時(shí)你仍需要關(guān)注搜索引擎系統(tǒng)，例如數(shù)據(jù)獲取、解析、分詞等方面的東西。而Solr的目標(biāo)是打造一款企業(yè)級(jí)的搜索引擎系統(tǒng)，因此它更接近于我們認(rèn)識(shí)到的搜索引擎系統(tǒng)，它是一個(gè)搜索引擎服務(wù)，**各種API可以讓你的應(yīng)用使用搜索服務(wù)，而不需要將搜索邏輯耦合在應(yīng)用中。而且Solr可以根據(jù)配置文件定義數(shù)據(jù)解析的方式，更像是一個(gè)搜索框架，它也支持主從、熱換庫(kù)等操作。還添加了飄紅、facet等搜索引擎常見(jiàn)功能的支持。 |
|
1) 什么是solr
2) 為什么工程中要使用solr
3) Solr的原理
4) 如何在tomcat中運(yùn)行solr
5) 如何利用solr進(jìn)行索引與搜索
6) solr的各種查詢
7) solr的Filter
8) solr的排序
9) solr的高亮
10) solr的某個(gè)域統(tǒng)計(jì)
11) solr的范圍統(tǒng)計(jì)
12) solrcloud集群搭建
|
|
|
Hadoop 離線計(jì)算大綱 |
一、初識(shí)hadoop 聽(tīng)過(guò)大數(shù)據(jù)，必聽(tīng)過(guò)hadoop，此部分帶領(lǐng)大家了解hadoop的用途，在大數(shù)據(jù)中的用途，以及快速搭建一個(gè)hadoop的實(shí)驗(yàn)環(huán)境，在本過(guò)程中不僅將用到前面的Linux知識(shí)，而且會(huì)對(duì)hadoop的架構(gòu)有深入的理解，并為你以后架構(gòu)大數(shù)據(jù)項(xiàng)目打下堅(jiān)實(shí)基礎(chǔ)。
|
|
1) Hadoop生態(tài)環(huán)境介紹
2) Hadoop云計(jì)算中的位置和關(guān)系
3) 國(guó)內(nèi)外Hadoop應(yīng)用案例介紹
4) Hadoop 概念、版本、歷史
5) Hadoop 核心組成介紹及hdfs、mapreduce 體系結(jié)構(gòu)
6) Hadoop 的集群結(jié)構(gòu)
7) Hadoop 偽分布的詳細(xì)安裝步驟
8) **命令行和瀏覽器觀察hadoop
|
|
| 二、 HDFS體系結(jié)構(gòu)和shell以及java操作 詳細(xì)剖析HDFS，從知曉原理到開(kāi)發(fā)網(wǎng)盤(pán)的項(xiàng)目讓大家打好學(xué)習(xí)大數(shù)據(jù)的基礎(chǔ)，大數(shù)據(jù)之于分布式，分布式學(xué)習(xí)從學(xué)習(xí)分布式文件系統(tǒng)（HDFS）開(kāi)始。 | |
|
1) HDFS底層工作原理
2) HDFS datanode,namenode詳解
3) Hdfs shell
4) Hdfs java api
|
|
| 三、 詳細(xì)講解Mapreduce Mapreduce可以說(shuō)是任何一家大數(shù)據(jù)公司都會(huì)用到的計(jì)算框架，也是每個(gè)大數(shù)據(jù)工程師應(yīng)該熟練掌握的，此處的學(xué)習(xí)除了老師詳細(xì)的講解理論外，會(huì)**大量的案例讓大家徹底掌握。 | |
|
1) Mapreduce四個(gè)階段介紹
2) Writable
3) InputSplit和OutputSplit
4) Maptask
5) Shuffle：Sort，Partitioner，Group,Combiner
6) Reducer
|
|
| 四、 Mapreduce案例案例 | |
|
1) 二次排序
2) 倒排序索引
3) **優(yōu)路徑
4) 電信數(shù)據(jù)挖掘之-----移動(dòng)軌跡預(yù)測(cè)分析（中國(guó)棱鏡計(jì)劃）
5) 社交好友推薦算法
6) 互聯(lián)網(wǎng)精準(zhǔn)廣告推送 算法
7) 阿里巴巴天池大數(shù)據(jù)競(jìng)賽 《天貓推薦算法》案例
8) Mapreduce實(shí)戰(zhàn)pagerank算法
|
|
| 五、 Hadoop2.x集群搭建 前面帶領(lǐng)大家開(kāi)發(fā)了大量的MapReduce程序，此部分將帶來(lái)大家讓開(kāi)發(fā)的程序運(yùn)行在分布式集群中，并且運(yùn)行在健壯高可用的集群中。 | |
|
1) Hadoop2.x集群結(jié)構(gòu)體系介紹
2) Hadoop2.x集群搭建
3) NameNode的高可用性（HA）
4) HDFS Federation
5) ResourceManager 的高可用性（HA）
6) Hadoop集群常見(jiàn)問(wèn)題和解決方法
7) Hadoop集群管理
|
|
|
分布式數(shù)據(jù)庫(kù) Hbase |
大數(shù)據(jù)中使用Hbase的案例多的舉不勝舉，也可凸顯大家學(xué)習(xí)的必要性。即使工作多年的大數(shù)據(jù)工程師Hbase的優(yōu)化也是需要好好學(xué)習(xí)的重點(diǎn)。 |
|
1) HBase定義
2) HBase與RDBMS的對(duì)比
3) 數(shù)據(jù)模型
4) 系統(tǒng)架構(gòu)
5) HBase上的MapReduce
6) 表的設(shè)計(jì)
7) 集群的搭建過(guò)程講解
8) 集群的監(jiān)控
9) 集群的管理
10) HBase Shell以及演示
11) Hbase 樹(shù)形表設(shè)計(jì)
12) Hbase 一對(duì)多 和 多對(duì)多 表設(shè)計(jì)
13) Hbase 微博 案例
14) Hbase 訂單案例
15) Hbase表級(jí)優(yōu)化
16) Hbase 寫(xiě)數(shù)據(jù)優(yōu)化
17) Hbase 讀數(shù)據(jù)優(yōu)化
|
|
| 數(shù)據(jù)倉(cāng)庫(kù)Hive | Hive是使用sql進(jìn)行計(jì)算的hadoop框架，工作中**常用到的部分，也是面試的重點(diǎn)，此部分大家將從方方面面來(lái)學(xué)習(xí)Hive的應(yīng)用，任何細(xì)節(jié)都將給大家涉及到。 |
|
1) 數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)知識(shí)
2) Hive定義
3) Hive體系結(jié)構(gòu)簡(jiǎn)介
4) Hive集群
5) 客戶端簡(jiǎn)介
6) HiveQL定義
7) HiveQL與SQL的比較
8) 數(shù)據(jù)類型
9) 外部表和分區(qū)表
10) ddl與CLI客戶端演示
11) dml與CLI客戶端演示
12) select與CLI客戶端演示
13) Operators 和 functions與CLI客戶端演示
14) Hive server2 與jdbc
15) 用戶自定義函數(shù)（UDF 和 UDAF）的開(kāi)發(fā)與演示
16) Hive 優(yōu)化
|
|
| 數(shù)據(jù)遷移工具Sqoop | sqoop適用于關(guān)系型數(shù)據(jù)庫(kù)和HDFS分布式數(shù)據(jù)系統(tǒng)之間進(jìn)行數(shù)據(jù)轉(zhuǎn)換，在企業(yè)中，是構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的一大工具。 |
|
1) 介紹 和 配置Sqoop 2) Sqoop shell使用 3) Sqoop-import a) DBMS-hdfs b) DBMS-hive c) DBMS-hbase 4) Sqoop-export |
|
|
Flume分布式 日志框架 |
Flume**早是Cloudera提供的日志收集系統(tǒng)，目前是Apache下的一個(gè)孵化項(xiàng)目，F(xiàn)lume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)。大家學(xué)習(xí)完此節(jié)后不但可以掌握Flume的使用，而且可以進(jìn)行對(duì)于Flume的開(kāi)發(fā)。 |
|
1) flume簡(jiǎn)介-基礎(chǔ)知識(shí)
2) flume安裝與測(cè)試
3) flume部署方式
4) flume source相關(guān)配置及測(cè)試
5) flume sink相關(guān)配置及測(cè)試
6) flume selector 相關(guān)配置與案例分析
7) flume Sink Processors相關(guān)配置和案例分析
8) flume Interceptors相關(guān)配置和案例分析
9) flume AVRO Client開(kāi)發(fā)
10) flume 和kafka 的整合
|
|
|
Zookeeper 開(kāi)發(fā) |
Zookeeper在分布式集群（Hadoop生態(tài)圈）中的地位越來(lái)越突出，對(duì)分布式應(yīng)用的開(kāi)發(fā)也提供了極大便利，這也是這里我們帶領(lǐng)大家深入學(xué)習(xí) Zookeeper的原因。本課程主要內(nèi)容包括Zookeeper深入、客戶端開(kāi)發(fā)（Java編程，案例開(kāi)發(fā)）、日常運(yùn)維、Web界面監(jiān)控。大家這里學(xué)好Zookeeper，對(duì)后面學(xué)習(xí)其他技術(shù)至關(guān)重要。 |
|
1) Zookeeper java api開(kāi)發(fā)
2) Zookeeper rmi高可用分布式集群開(kāi)發(fā)
3) Zookeeper redis高可用監(jiān)控實(shí)現(xiàn)
4) Netty 異步io通信框架
5) Zookeeper實(shí)現(xiàn)netty分布式架構(gòu)的高可用
|
|
| 項(xiàng)目實(shí)戰(zhàn) | 某大型電商日志分析和訂單管理 在實(shí)戰(zhàn)中學(xué)習(xí)，技術(shù)點(diǎn)非常多，怎么樣實(shí)際運(yùn)用這些點(diǎn)是我們?cè)谧詫W(xué)過(guò)程中體驗(yàn)不到的。電商日志分析包括：pv、uv，跳出率，二跳率、廣告轉(zhuǎn)化率、搜索引擎優(yōu)化等，訂單模塊有：產(chǎn)品推薦，商家排名，歷史訂單查詢，訂單報(bào)表統(tǒng)計(jì)等。 |
|
項(xiàng)目技術(shù)架構(gòu)體系：
a) Web項(xiàng)目和云計(jì)算項(xiàng)目的整合
b) Flume**avro實(shí)時(shí)收集web項(xiàng)目中的日志
c) 數(shù)據(jù)的ETL
d) Hive 批量 sql執(zhí)行
e) Hive 自定義函數(shù)
f) Hive和hbase整合。
g) Hbase 數(shù)據(jù)支持 sql查詢分析
h) Mapreduce數(shù)據(jù)挖掘
i) Hbase dao處理
j) Sqoop 在項(xiàng)目中的使用。
k) Mapreduce 定時(shí)調(diào)用和監(jiān)控
|
|
| 第二階段：機(jī)器學(xué)習(xí) | |
|
R語(yǔ)言 機(jī)器學(xué)習(xí) |
R本身是一款十分優(yōu)秀的數(shù)據(jù)分析和數(shù)據(jù)可視化軟件，同時(shí)作為**代機(jī)器學(xué)習(xí)的工具，其中包括大量用于機(jī)器學(xué)習(xí)的添加包。此部分帶領(lǐng)大家學(xué)習(xí)R語(yǔ)言更是帶領(lǐng)大家進(jìn)入機(jī)器學(xué)習(xí)的領(lǐng)域，機(jī)器學(xué)習(xí)算法為主線的同時(shí)，**案例學(xué)習(xí)將會(huì)讓大家對(duì)內(nèi)容脈絡(luò)掌握的更加清晰。 |
|
1) R語(yǔ)言介紹，基本函數(shù)，數(shù)據(jù)類型
2) 線性回歸
3) 樸素貝葉斯聚類
4) 決策樹(shù)分類
5) k均值聚類 a) 離群點(diǎn)檢測(cè)
6) 關(guān)聯(lián)規(guī)則探索
7) 神經(jīng)網(wǎng)絡(luò)
|
|
|
Mahout 機(jī)器學(xué)習(xí) |
Mahout提供一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法的實(shí)現(xiàn)，很多公司會(huì)使用Mahout方便快捷地創(chuàng)建智能應(yīng)用程序。Mahout包含許多實(shí)現(xiàn)，包括聚類、分類、推薦過(guò)濾、頻繁子項(xiàng)挖掘。Mahout**使用 Apache Hadoop，可以有效地?cái)U(kuò)展到云中。被業(yè)界奉為第二代機(jī)器學(xué)習(xí)工具。此部分過(guò)后大家不僅會(huì)學(xué)習(xí)到mahout的組件而且會(huì)有項(xiàng)目讓大家真正把它應(yīng)用到工作中。 |
|
1) 介紹為什么使用它,它的前景 a) 簡(jiǎn)單介紹Mahout b) 簡(jiǎn)單介紹機(jī)器學(xué)習(xí) c) 實(shí)例演示Mahout單機(jī)推薦程序 2) 配置安裝（hadoop2.x版本的）編譯安裝步驟說(shuō)明 a) 命令行中測(cè)試運(yùn)行協(xié)同過(guò)濾概念 3) 推薦 a) 講解基于用戶的協(xié)同過(guò)濾 b) 講解基于物品的協(xié)同過(guò)濾 4) 分類 a) 分類概念 b) 分類的應(yīng)用及Mahout分類優(yōu)勢(shì) c) 分類和聚類、推薦的區(qū)別 d) 分類工作原理 e) 分類中概念術(shù)語(yǔ) f) 分類項(xiàng)目工作流 g) 如何定義預(yù)測(cè)變量 h) 線性分類器的介紹，及貝葉斯分類器 i) 決策樹(shù)分類器的介紹，及隨機(jī)森林分類器 j) 如何使用貝葉斯分類器和隨機(jī)森林分類器的代碼展示 5) 聚類 a) 聚類概念 b) 聚類步驟流程 c) 聚類中的距離測(cè)度 d) 講解K-means聚類 e) K-means聚類算法展示 f) 聚類其他算法 g) 介紹TF-IDF h) 歸一化 i) 微博聚類案例 |
|
| 項(xiàng)目實(shí)戰(zhàn) | 微博營(yíng)銷數(shù)據(jù)挖掘項(xiàng)目 使用數(shù)據(jù)來(lái)自微博平臺(tái)，項(xiàng)目目標(biāo)**機(jī)器學(xué)習(xí)所學(xué)知識(shí)挖掘目標(biāo)客戶群體，找到代言人進(jìn)行微博營(yíng)銷廣告投放。 |
|
項(xiàng)目技術(shù)架構(gòu)體系：
a) 分布式平臺(tái) Hadoop，MapReduce
b) 數(shù)據(jù)采集 Flume
c) 數(shù)據(jù)清洗 ETL
d) 數(shù)據(jù)庫(kù) Hbase，Redis
e) 機(jī)器學(xué)習(xí) Mahout
|
|
| 第三階段：storm流式計(jì)算 | |
|
redis緩存 系統(tǒng)課程大綱 |
|
|
1) redis特點(diǎn)、與其他數(shù)據(jù)庫(kù)的比較
2) 如何安裝redis
3) 如何使用命令行客戶端
4) redis的字符串類型
5) redis的散列類型
6) redis的列表類型
7) redis的集合類型
8) 如何使用java訪問(wèn)redis【a.python訪問(wèn)redis,scala訪問(wèn)redis】
9) redis的事務(wù)(transaction)
10) redis的管道(pipeline)
11) redis持久化(AOF RDB)
12) redis優(yōu)化
13) redis的主從復(fù)制
14) redis的sentinel高可用
15) twemproxy,codis實(shí)戰(zhàn)
16) redis3.x集群安裝配置
|
|
| Kafka課程 | Kafka是當(dāng)下流行的隊(duì)列，可以說(shuō)是從數(shù)據(jù)采集到大數(shù)據(jù)計(jì)算承上啟下的重要環(huán)節(jié)，大家在此部分將會(huì)詳細(xì)學(xué)習(xí)它的架構(gòu)，kafka在大家大數(shù)據(jù)的項(xiàng)目中幾乎都會(huì)涉及到。 |
|
1) kafka是什么
2) kafka體系結(jié)構(gòu)
3) kafka配置詳解
4) kafka的安裝
5) kafka的存儲(chǔ)策略
6) kafka分區(qū)特點(diǎn)
7) kafka的發(fā)布與訂閱
8) zookeeper協(xié)調(diào)管理
9) java編程操作kafka
10) scala編程操作kafka
11) flume 和kafka 的整合
12) Kafka 和storm 的整合
|
|
|
Storm 實(shí)時(shí)數(shù)據(jù)處理 |
本部分學(xué)習(xí)過(guò)后，大家將全面掌握Storm內(nèi)部機(jī)制和原理，**大量項(xiàng)目實(shí)戰(zhàn)，讓大家擁有完整項(xiàng)目開(kāi)發(fā)思路和架構(gòu)設(shè)計(jì)，掌握從數(shù)據(jù)采集到實(shí)時(shí)計(jì)算到數(shù)據(jù)存儲(chǔ)再到前臺(tái)展示，所有工作一個(gè)人搞定！譬如可以一個(gè)人搞定淘寶雙11大屏幕項(xiàng)目！不光從項(xiàng)目的開(kāi)發(fā)的層次去實(shí)現(xiàn)，并可以從架構(gòu)的層次站在架構(gòu)師的角度去完成一個(gè)項(xiàng)目。 |
|
項(xiàng)目技術(shù)架構(gòu)體系：
1) Storm的基本概念
2) Storm的應(yīng)用場(chǎng)景
3) Storm和Hadoop的對(duì)比
4) Storm集群的安裝的linux環(huán)境準(zhǔn)備
5) zookeeper集群搭建
6) Storm集群搭建
7) Storm配置文件配置項(xiàng)講解
8) 集群搭建常見(jiàn)問(wèn)題解決
9) Storm常用組件和編程API：Topology、 Spout、Bolt
10) Storm分組策略(stream groupings)
11) 使用Strom開(kāi)發(fā)一個(gè)WordCount例子
12) Storm程序本地模式debug、Storm程序遠(yuǎn)程debug
13) Storm事物處理
14) Storm消息可靠性及容錯(cuò)原理
15) Storm結(jié)合消息隊(duì)列Kafka：消息隊(duì)列基本概念(Producer、Consumer、Topic、Broker等)、消息隊(duì)列Kafka使用場(chǎng)景、Storm結(jié)合Kafka編程API
16) Storm Trident概念
17) Trident state 原理
18) Trident開(kāi)發(fā)實(shí)例
19) Storm DRPC(分布式遠(yuǎn)程調(diào)用)介紹
20) Storm DRPC實(shí)戰(zhàn)講解
21) Storm和Hadoop 2.x的整合：Storm on Yarn
Storm開(kāi)發(fā)實(shí)戰(zhàn)： Kafka Storm Hbase redis項(xiàng)目實(shí)戰(zhàn)，以及多個(gè)案例
|
|
| 項(xiàng)目實(shí)戰(zhàn) | 中國(guó)移動(dòng)基站保障平臺(tái) 一個(gè)市級(jí)移動(dòng)公司，每天的產(chǎn)生海量話務(wù)數(shù)據(jù)（一線城市更高），**大數(shù)實(shí)時(shí)分析，監(jiān)控每個(gè)基站的掉話率，基站通話總數(shù)，基站掉話總數(shù)，基站告警，3g/4g上網(wǎng)流量實(shí)時(shí)監(jiān)控。對(duì)以上維度進(jìn)行實(shí)時(shí)分析以達(dá)到對(duì)基站工作情況的監(jiān)控。 |
|
項(xiàng)目技術(shù)架構(gòu)體系： Storm hbase kafka flume echarts
a) flume實(shí)時(shí)采集日志
b) kafka緩沖隊(duì)列
c) storm實(shí)時(shí)處理
d) Hbase dao存儲(chǔ)處理結(jié)果
e) 前端Web實(shí)時(shí)展示報(bào)表
|
|
| 第四階段：spark內(nèi)存計(jì)算 | |
| Python課程 | Python語(yǔ)言的部分大家在學(xué)習(xí)后可以完全掌握Python的精髓，并**這部分的學(xué)習(xí)給大家打好一個(gè)基礎(chǔ)，在其他計(jì)算框架中多語(yǔ)言的使用上都會(huì)涉及到Python這門(mén)流行的語(yǔ)言。同時(shí)課程里會(huì)**機(jī)器學(xué)習(xí)的案例讓大家學(xué)習(xí)Python的同時(shí)去更好的理解機(jī)器學(xué)習(xí)。 |
|
1) 介紹Python以及特點(diǎn)
2) Python的安裝
3) Python基本操作（注釋、邏輯、字符串使用等）
4) Python數(shù)據(jù)結(jié)構(gòu)（元組、列表、字典）
5) 使用Python進(jìn)行批量重命名小例子
6) Python常見(jiàn)內(nèi)建函數(shù)
7) 更多Python函數(shù)及使用常見(jiàn)技巧
8) 異常
9) Python函數(shù)的參數(shù)講解
10) Python模塊的導(dǎo)入
11) Python中的類與繼承
12) 網(wǎng)絡(luò)爬蟲(chóng)案例
13) 數(shù)據(jù)庫(kù)連接，以及pip安裝模塊
14) Mongodb基礎(chǔ)入門(mén)
15) 講解如何連接mongodb
16) Python的機(jī)器學(xué)習(xí)案例
|
|
| Scala課程 | 在此部分內(nèi)，將更注重scala的各種語(yǔ)言規(guī)則與簡(jiǎn)單直接的應(yīng)用，而不在于其是如何具體實(shí)現(xiàn)，**學(xué)習(xí)本課程能具備初步的Scala語(yǔ)言實(shí)際編程能力。本部分課程也可以視為大家下面學(xué)習(xí)Spark課程的鋪墊，供大家掃盲熟悉Scala，提前進(jìn)行熱身運(yùn)動(dòng)。 |
|
1) scala解釋器、變量、常用數(shù)據(jù)類型等
2) scala的條件表達(dá)式、輸入輸出、循環(huán)等控制結(jié)構(gòu)
3) scala的函數(shù)、默認(rèn)參數(shù)、變長(zhǎng)參數(shù)等
4) scala的數(shù)組、變長(zhǎng)數(shù)組、多維數(shù)組等
5) scala的映射、元組等操作
6) scala的類，包括bean屬性、輔助構(gòu)造器、主構(gòu)造器等
7) scala的對(duì)象、單例對(duì)象、伴生對(duì)象、擴(kuò)展類、apply方法等
8) scala的包、引入、繼承等概念
9) scala的特質(zhì)
10) scala的操作符
11) scala的高階函數(shù)
12) scala的集合
13) scala數(shù)據(jù)庫(kù)連接
|
|
|
Spark 大數(shù)據(jù)處理 |
本部分內(nèi)容全面涵蓋了Spark生態(tài)系統(tǒng)的概述及其編程模型，深入內(nèi)核的研究，Spark on Yarn,Spark Streaming流式計(jì)算原理與實(shí)踐，Spark SQL,Spark的多語(yǔ)言編程以及SparkR的原理和運(yùn)行。不僅面向項(xiàng)目開(kāi)發(fā)人員，甚至對(duì)于研究Spark的學(xué)員，此部分都是非常有學(xué)習(xí)指引意義的課程。 |
|
1) Spark介紹
2) Spark應(yīng)用場(chǎng)景
3) Spark和Hadoop MR、Storm的比較和優(yōu)勢(shì)
4) RDD
5) Transformation
6) Action
7) Spark計(jì)算PageRank
8) Lineage
9) Spark模型簡(jiǎn)介
10) Spark緩存策略和容錯(cuò)處理
11) 寬依賴與窄依賴
12) Spark配置講解
13) Spark集群搭建
14) 集群搭建常見(jiàn)問(wèn)題解決
15) Spark原理核心組件和常用RDD
16) 數(shù)據(jù)本地性
17) 任務(wù)調(diào)度
18) DAGScheduler
19) TaskScheduler
20) Spark源碼解讀
21) 性能調(diào)優(yōu)
22) Spark和Hadoop2.x整合：Spark on Yarn原理
|
|
|
Spark Streaming 實(shí)時(shí)計(jì)算 |
|
|
1) Spark Streaming：數(shù)據(jù)源和DStream
2) 無(wú)狀態(tài)transformation與有狀態(tài)transformation
3) Streaming Window的操作
4) sparksql 編程實(shí)戰(zhàn)
5) spark的多語(yǔ)言操作
6) spark**新版本的新特性
|
|
|
Spark MLlib 機(jī)器學(xué)習(xí) |
前面課程大家已經(jīng)掌握**代機(jī)器學(xué)習(xí)工具R，而后又學(xué)習(xí)了第二代機(jī)器學(xué)習(xí)工具M(jìn)ahout，這里大家將會(huì)學(xué)習(xí)第三代機(jī)器學(xué)習(xí)工具M(jìn)Llib，大家不僅將會(huì)了解MLlib的組件及其調(diào)用，而且會(huì)**Spark的項(xiàng)目深入了解MLlib的現(xiàn)實(shí)使用。**此部分大家也可以看出課程不僅著眼于現(xiàn)在，更是著眼于大家的未來(lái)在行業(yè)中的發(fā)展。 |
|
1) 介紹 a) Spark MLlib組件介紹 b) 基本數(shù)據(jù)類型 2) 回歸算法 c) 廣義線性模型 d) 邏輯回歸 3) 分類算法 e) 樸素貝葉斯 f) 決策樹(shù) g) 隨機(jī)森林 4) 第四章 推薦系統(tǒng) 5) 第五章 聚類 h) Kmeans i) Sparse kmeans j) Kmeans k) Kmeans II l) Streaming kmeans m) Gaussian Mixture Model |
|
|
Spark GraphX 圖計(jì)算 |
|
|
a) 二分圖
b) 概述
c) 構(gòu)造圖
d) 屬性圖
e) PageRank
|
|
| 項(xiàng)目實(shí)戰(zhàn) | 智慧城市大數(shù)據(jù)分析項(xiàng)目 城市中每時(shí)每刻都會(huì)產(chǎn)生海量數(shù)據(jù)，應(yīng)用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和可視化技術(shù)，分析出的數(shù)據(jù)可以改進(jìn)城市規(guī)劃，緩解交通擁堵，抓捕罪犯。項(xiàng)目會(huì)使用真實(shí)的數(shù)據(jù)。 涉及到所學(xué)知識(shí)如下： |
|
項(xiàng)目技術(shù)架構(gòu)體系：
a) 實(shí)時(shí)流處理 Kafka，Spark Streaming
b) 分布式運(yùn)算 Hadoop，Spark
c) 數(shù)據(jù)庫(kù) Hbase，Redis
d) 機(jī)器學(xué)習(xí) Spark Mllib
e) 前臺(tái)web展示數(shù)據(jù) Struts2，echart
|
|
| 手機(jī)軟件推薦系統(tǒng)項(xiàng)目 使用數(shù)據(jù)來(lái)自某互聯(lián)網(wǎng)平臺(tái)手機(jī)助手，項(xiàng)目目標(biāo)**機(jī)器學(xué)習(xí)所學(xué)知識(shí)挖掘平臺(tái)手機(jī)用戶喜好，給用戶準(zhǔn)確推薦手機(jī)軟件，類似360手機(jī)助手、華為手機(jī)助手、百度手機(jī)助手推薦功能。 | |
|
項(xiàng)目技術(shù)架構(gòu)體系：
a) 分布式平臺(tái) Hadoop，Spark
b) 數(shù)據(jù)清洗 Hive
c) 數(shù)據(jù)分析 R RStudio
d) 推薦服務(wù) Dubbox
e) 規(guī)則過(guò)濾 Drools
f) 機(jī)器學(xué)習(xí) MLlib
|
|
| 網(wǎng)絡(luò)流量異常檢測(cè)項(xiàng)目 項(xiàng)目目標(biāo)**機(jī)器學(xué)習(xí)所學(xué)知識(shí)檢測(cè)出異常，包括檢測(cè)欺詐，網(wǎng)絡(luò)攻擊，服務(wù)器傳感器故障燈（本項(xiàng)目用戶現(xiàn)在熱門(mén)的電商網(wǎng)站的流量分析檢測(cè)，比如京東，天貓，淘寶等）。項(xiàng)目功能應(yīng)用于各大互聯(lián)網(wǎng)平臺(tái)中，各大互聯(lián)網(wǎng)平臺(tái)均需要網(wǎng)絡(luò)安全予以重視和預(yù)防以及檢測(cè)。 | |
|
項(xiàng)目技術(shù)架構(gòu)體系： a) 數(shù)據(jù)存儲(chǔ) Hadoop
b) 數(shù)據(jù)準(zhǔn)備 Spark
c) 數(shù)據(jù)分析 R RStudio
d) 機(jī)器學(xué)習(xí) MLlib
e) 數(shù)據(jù)評(píng)價(jià)及調(diào)參
|
|
| 第五階段：云計(jì)算平臺(tái) | |
| Docker 課程 | Docker 是一個(gè)開(kāi)源的應(yīng)用容器引擎，讓開(kāi)發(fā)者可以打包他們的應(yīng)用以及依賴包到一個(gè)可移植的容器中，然后發(fā)布到任何流行的 Linux 機(jī)器上，也可以實(shí)現(xiàn)虛擬化。容器是完全使用沙箱機(jī)制，相互之間不會(huì)有任何接口（類似 iPhone 的 app）。幾乎沒(méi)有性能開(kāi)銷,可以很容易地在機(jī)器和數(shù)據(jù)中心中運(yùn)行。**重要的是,他們不依賴于任何語(yǔ)言、框架包括系統(tǒng)。 |
|
1) 基本介紹
2) vm docker 對(duì)比
3) docker基本架構(gòu)介紹
4) unfs cgroup namespace
5) 進(jìn)程虛擬化 輕量級(jí)虛擬化
6) docker 安裝
7) docker 鏡像制作
8) docker 常用命令
9) docker 鏡像遷移
10) docker pipework【i.openvswitch】
11) docker weave
|
|
| 虛擬化KVM | 云計(jì)算平臺(tái)，比如openstack，cloudstack 底層采用的技術(shù)都是虛擬化方案，現(xiàn)在以kvm市場(chǎng)占有率**高，我們要深入的去學(xué)習(xí)這些原生的虛擬化，才能深入了解和架構(gòu)openstack這樣的云計(jì)算的平臺(tái)，也才更有能力去開(kāi)發(fā)自己的云計(jì)算平臺(tái)。 |
|
1) 虛擬化介紹，虛擬化適用場(chǎng)景等等
2) Qemu Libvirt & KVM
3) 安裝KVM, Qemu, Libvirt
4) QEMU-KVM: 安裝**個(gè)能上網(wǎng)的虛擬機(jī)
5) Kvm虛擬機(jī) nat,網(wǎng)橋基本原理
6) kvm虛擬機(jī)克隆
7) kvm虛擬機(jī)vnc配置
8) kvm虛擬機(jī)擴(kuò)展磁盤(pán)空間
9) Kvm快照
10) Kvm 遷移
11) Java,python,c語(yǔ)言編程控制kvm
12) 構(gòu)建自己的虛擬云平臺(tái)
|
|
| 云平臺(tái)OpenStack | 在實(shí)戰(zhàn)中學(xué)習(xí)，課程絕不紙上談兵，**搭建和調(diào)試一個(gè)真實(shí)的openstack平臺(tái)，深入淺出， 詳細(xì)講解openstack的各個(gè)組成模塊：keystone, glance, nova, cinder, neutron, horizen。課程中遇到的各種實(shí)際問(wèn)題，不僅演示了如何解決，更是要教會(huì)大家學(xué)會(huì)去找到解決問(wèn)題的方法。難點(diǎn)問(wèn)題全面講解。在云計(jì)算的各種技術(shù)當(dāng)中，網(wǎng)絡(luò)部分是**難，也是**復(fù)雜多樣的。課程中針對(duì)虛擬網(wǎng)絡(luò)進(jìn)行了詳細(xì)的講解，包括基本原理，以及實(shí)際環(huán)境搭建，問(wèn)題的跟蹤和解決。講師擁有豐富的移動(dòng)集團(tuán)工作經(jīng)驗(yàn)，負(fù)責(zé)云平臺(tái)的各方面工作，講課內(nèi)容完全貼近企業(yè)需求。 |
|
1) openstack介紹和模塊基本原理分析
2) openstack多節(jié)點(diǎn)安裝部署【a.采用centos6.x系統(tǒng)】
3) Keystone基本原理
4) glance
5) Cinder
6) Swift
7) Neutron
8) Openstack api 二次開(kāi)發(fā)
|
|
咨詢報(bào)名電話：010-64707530 金老師
