培訓費用
5800 元/人（含培訓費、考試費、證書費、資料費、午餐） 食宿統(tǒng)一安排，費用自理。（請學員帶一寸彩照2張—背面注明姓名，身份證復印件一張）。培訓對象
1.大數據Hadoop與Spark技術的應用開發(fā)工程師
2.大數據分析與挖掘工程師
3.大數據集群運維工程師
4.大數據項目的IT管理人員
5.大數據項目規(guī)劃的咨詢人員
6.對Hadoop與Spark大數據技術感興趣的愛好者
7.打算上線大數據項目及具有大數據應用需求的各行業(yè)的企業(yè)信息化技術與管理人員
8.具備一定的Java和Linux基礎的尤佳。培訓證書
頒發(fā)《大數據Hadoop開發(fā)高級架構師》證書。證書可作為專業(yè)技術人員職業(yè)能力考核的證明，以及專業(yè)技術人員崗位聘用、任職、定級和晉升職務的重要依據。培訓目標
1.深刻理解在“互聯網+”時代下大數據的產生背景、發(fā)展歷程和演化趨勢，洞察大數據的潛在價值，結合業(yè)界市場需求和國內外最新的大數據技術潮流，掌握大數據項目解決方案以及業(yè)界大數據應用案例，從而為企業(yè)在大數據項目中的技術選型及技術架構設計提供決策參考，幫助學員為企業(yè)在利用大數據方面體現出自身價值。
2.全面掌握業(yè)界最流行的Hadoop與Spark大數據技術體系，掌握包括大數據采集技術、大數據分布式存儲技術、NoSQL與NewSQL分布式數據庫技術、大數據倉庫與統(tǒng)計機器學習技術、大數據分析挖掘與商業(yè)智能（BI）技術、大數據離線處理技術、Storm流式大數據處理技術、基于內存計算的大數據實時處理技術，以及大數據管理技術的原理知識和應用實戰(zhàn)。
3.深入理解大數據平臺技術架構和使用場景，能嫻熟地運用Hadoop與Spark大數據技術體系規(guī)劃解決方案滿足實際項目需求，部署符合生產環(huán)境要求的Hadoop大數據集群，熟練地掌握基于Hadoop與Spark大數據平臺進行應用程序開發(fā)、集群運維管理和性能調優(yōu)技巧，并通過具體的實訓項目貫穿整個課程進行實戰(zhàn)鍛煉。培訓特色
課程培訓業(yè)界最流行、應用最廣泛的Hadoop與Spark大數據技術體系。強化大數據平臺的分布式集群架構和核心關鍵技術實現、大數據應用項目開發(fā)和大數據集群運維實踐、以及Hadoop與Spark大數據項目全過程沙盤模擬實戰(zhàn)。
通過一個完整的大數據開發(fā)項目及一組實際項目訓練案例，完全覆蓋Hadoop與Spark生態(tài)系統(tǒng)平臺的應用開發(fā)與運維實踐。課堂實踐項目以項目小組的形式進行沙盤實操練習，重點強化理解Hadoop與Spark大數據項目各個階段的工作重點，同時掌握作為大數據項目管理者的基本思維素養(yǎng)。
本課程的授課師資都是有著多年在一線從事Hadoop與Spark大數據項目的資深講師，采用原理技術剖析和實戰(zhàn)案例相結合的方式開展互動教學、強化以建立大數據項目解決方案為主體的技術討論與咨詢，在學習的同時促進講師學員之間的交流，讓每個學員都能在課程培訓過程中學到實實在在的大數據技術知識，具備實際項目動手開發(fā)實踐與部署運維能力。授課過程中學員可將具體工作中遇到的實際問題拿出來，講師會根據學員的實際情況微調授課內容，并給出一定的時間讓學員上臺發(fā)言，由講師帶著全部學員積極討論，現場剖析問題的癥結，規(guī)劃出可行的解決方案。各有關單位：
根據國務院“互聯網+”行動計劃戰(zhàn)略布局，為響應工業(yè)和信息化部培養(yǎng)云計算和大數據高端人才的號召,中心特推出了大數據技術架構及應用實戰(zhàn)課程培訓班，通過專業(yè)的大數據Hadoop與Spark技術架構體系與業(yè)界真實案例來全面提升大數據工程師、開發(fā)設計人員的工作水平，旨在培養(yǎng)專業(yè)的大數據Hadoop與Spark技術架構專家，更好地服務于各個行業(yè)的大數據項目開發(fā)和落地實施�，F將相關事宜通知如下：培訓內容
第一天
上午
一、大數據技術基礎入門
1.大數據的產生背景、發(fā)展歷程
2.大數據和云計算的關系
3.大數據應用需求以及潛在價值分析
4.業(yè)界最新的大數據技術發(fā)展態(tài)勢與應用趨勢
5.大數據項目的技術選型與架構設計
6.“互聯網+”時代下的電子商務、制造業(yè)、零售批發(fā)業(yè)、電信運營商、互聯網金融業(yè)、網上銀行、電子政務、移動互聯網、教育信息化等行業(yè)應用實踐與應用案例剖析
二、業(yè)界主流的大數據技術產品與項目解決方案
7.國內外主流的大數據解決方案介紹
8.當前大數據解決方案與傳統(tǒng)數據庫方案的剖析比較
9.Apache大數據平臺方案剖析
10.CDH大數據平臺方案剖析
11.HDP大數據平臺方案剖析
12.開源的大數據生態(tài)系統(tǒng)平臺剖析
三、Hadoop與Spark大數據處理平臺
13.Hadoop的發(fā)展歷程以及產業(yè)界的實際應用介紹
14.Hadoop大數據平臺架構，以及PB級大數據處理工作原理與機制
15.Hadoop的核心組件剖析
16.Spark的發(fā)展歷程以及業(yè)界的實際應用介紹
17.Spark實時大數據處理平臺架構，以及內存大數據處理工作原理與機制
18.Spark的核心組件剖析第一天
下午
四、大數據采集與分布式消息訂閱系統(tǒng)
19.Flume-NG數據采集系統(tǒng)的數據流模型、平臺架構、集群部署與配置應用實戰(zhàn)
20.Kafka分布式消息訂閱系統(tǒng)的應用介紹、平臺架構、集群部署與配置應用實戰(zhàn)
21.Scribe分布式日志收集系統(tǒng)的簡介、工作原理、平臺架構、集群部署與配置應用實戰(zhàn)
22.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)
五、大數據分布式存儲系統(tǒng)
23.分布式文件系統(tǒng)HDFS的簡介
24.HDFS系統(tǒng)的主從式平臺架構和工作原理
25.HDFS核心技術講解
26.HDFS應用開發(fā)實戰(zhàn)
27.HDFS集群的安裝、部署、配置與性能優(yōu)化技巧
28.分布式鍵值存儲系統(tǒng)介紹、平臺架構、核心技術以及應用開發(fā)
29.PB及大數據存儲系統(tǒng)的項目案例分析
六、大數據MapReduce與Yarn并行處理平臺
30.MapReduce并行計算模型
31.MapReduce作業(yè)執(zhí)行與調度技術
32.第二代大數據計算框架Yarn的工作原理以及DAG并行執(zhí)行機制
33.MapReduce應用開發(fā)環(huán)境的部署，以及大數據并行處理應用程序開發(fā)
34.MapReduce高級編程技巧與性能優(yōu)化實踐
35.MapReduce與Yarn項目案例實踐第二天
上午
七、大數據Spark實時處理平臺
36.內存計算模型和實時處理技術介紹
37.Spark分布式實時處理框架及工作原理
38.Spark集群的平臺架構及其生態(tài)系統(tǒng)組件剖析
39.Spark SQL應用實踐
40.Spark Streaming應用實踐
41.MLib/MLBase實時機器學習應用實踐
42.GraphX實時圖數據處理應用實踐
43.Spark實時處理集群的安裝部署與配置優(yōu)化
44.Spark的編程開發(fā)應用實戰(zhàn)
45.Spark與Hadoop的對接集成解決方案實踐
八、Storm流式數據處理平臺
46.Storm流式處理系統(tǒng)介紹、平臺架構以及工作原理
47.Storm集群安裝部署與配置優(yōu)化
48.Storm日志分析項目應用實戰(zhàn)第二天
下午
九、HBase分布式數據庫管理系統(tǒng)
49.NoSQL數據庫與NewSQL數據庫技術介紹，及其在半結構化和非結構化大數據方面的應用實踐
50.HBase分布式數據庫簡介、數據模型以及工作原理
51.HBase分布式數據庫集群的平臺架構和關鍵技術剖析
52.HBase應用項目開發(fā)技巧，以及客戶端開發(fā)實戰(zhàn)
53.HBase表設計與數據操作以及數據庫管理API調用
54.HBase集群的安裝部署與配置優(yōu)化
55.HBase集群的運維與監(jiān)控管理
十、Cassandra數據管理系統(tǒng)
56.Cassandra數據存儲管理系統(tǒng)的應用介紹
57.Cassandra集群的平臺架構以及核心關鍵技術
58.Cassandra一致性哈希算法與數據對象分布策略
59.Cassandra集群的安裝部署與配置優(yōu)化
60.Cassandra應用開發(fā)實戰(zhàn)第三天
上午
十一、內存數據庫管理系統(tǒng)集群
61.Impala實時查詢系統(tǒng)的應用介紹
62.Impala實時查詢系統(tǒng)平臺架構、核心關鍵技術剖析
63.Impala實時查詢系統(tǒng)的部署與應用開發(fā)實踐
64.Redis內存數據庫介紹，以及業(yè)界應用案例
65.Redis內存數據庫集群架構以及核心技術剖析
66.Redis集群的安裝部署與應用開發(fā)實戰(zhàn)
十二、大型數據倉庫Hive集群平臺
67.基于Hadoop的大型分布式數據倉庫基礎知識，以及在行業(yè)中的應用實踐案例
68.基于Spark的實時數據倉庫集群基礎知識，以及在行業(yè)中的應用實踐案例
69.Hive大數據倉庫簡介以及應用介紹
70.Hive數據倉庫集群的平臺體系結構、核心技術剖析
71.Hive Server工作原理與應用技巧
72.Hive數據倉庫集群的安裝部署與配置優(yōu)化
73.Hive應用開發(fā)技巧
74.Hive QL定義以及應用
75.Hive數據倉庫表與表分區(qū)、表操作、數據導入導出、客戶端操作技巧
76.Hive數據倉庫報表設計、HWI、CLI客戶端演示以及用戶自定義函數（UDF）的開發(fā)實踐第三天
下午
十三、Mahout大數據分析挖掘平臺
77.大數據分析挖掘技術介紹，以及行業(yè)大數據挖掘應用案例
78.Mahout大數據挖掘平臺的體系架構、核心算法與關鍵技術運用
79.基于Mahout的數據挖掘應用程序開發(fā)實戰(zhàn)
80.Mahout集群的安裝部署與配置優(yōu)化
81.集成Mahout與Hadoop集成大數據挖掘平臺應用實戰(zhàn)
十四、大數據智能化ETL操作以及Hadoop集群運維監(jiān)控工具平臺應用
82.Hadoop與DBMS之間進行數據轉換的框架
83.Sqoop導入導出數據的工作原理，以及Sqoop集群安裝部署與配置
84.Kettle集群的平臺架構、核心技術工作原理以及應用案例
85.Kettle集群安裝部署與配置，以及應用開發(fā)實戰(zhàn)
86.利用Sqoop實現MySQL與Hadoop集群之間的數據導入導出交互程序
87.Hadoop大數據運維監(jiān)控系統(tǒng)HUE平臺的安裝部署與配置優(yōu)化
十五、大數據項目應用實戰(zhàn)
88.根據布置的實際應用案例，開展大數據完整項目部署設計和應用開發(fā)實踐培訓師資
大數據技術系列培訓講師團：鐘老師 現任職于中科院某研究所，高級工程師，副高職稱，項目組負責人，博士畢業(yè)于中國科學院計算技術研究所，獲工學博士學位（計算機系統(tǒng)結構方向）。大數據、云計算、移動互聯網系列課程建設與教學專家。近六年來帶領團隊主要從事大數據與云計
需要使用Apache Hadoop來開發(fā)功能強大的數據分析應用的程序開發(fā)人員；Hadoop項目規(guī)劃的咨詢師；需要快速掌握Hadoop周邊組件開發(fā)的人員；需要掌握Java、Linux。