Hadoop开发

课程主题

主要内容

案例和演示

模块一

大数据介绍及高校如何开设大数据教学课程

 1）大数据概念的发展与解析

 2）大数据在国内外发展现状

 3）大数据在互联网发展现状

 4）大数据四个特点分析

 5）大数据课程教师需要具备的大数据知识储备

 6）大数据相关招聘岗位需求分析

 7）大数据技术演进与变革

 8）应对 IT 新技术变革，教师知识的储备与提升

 9）在哪个层面进行教学

精彩案例

高校开设大数据的教学可在多个层面上进行

有条件的高校可以开设云计算专业

不具备条件的高校可以开设大数据方面的课程，介绍大数据的知识，引导学生向大数据方面发展

模块二

大数据带来的机遇和挑战

大数据带来的机遇和挑战

 1）大数据能带来什么 、引领社会进入“大数据时代”

 2）大数据对国家、社会的作用 、大数据将推动经济发展

 3）大数据将推动科技发展进程、开启商业智能新阶段

 4）数据分析的发展——从数据到知识 大数据如何让商业更智能、大数据应用案例

 5）带来数据处理新变革 、大数据的关键技术

 6）大数据与云计算 、大数据技术的发展趋势

精彩案例

电信手机上网日志分析

移动 GPRS 上网日志查询系统

某省份联通网络不良信息检测系统

国土资源部门下属单位非结构离线网格分析平台

某银行海量数据统一分析平台

  某电信用户属性精分系统

  某银行实时计算平台

  某电力电台电视节目推荐系统

模块三

Hadoop在云计算技术的作用和地位

传统大规模系统存在的问题

Hadoop概述

Hadoop分布式文件系统      

MapReduce工作原理         

Hadoop集群剖析            

 Hadoop生态系统对一种新的解决方案的需求

Hadoop的行业应用案例分析

Hadoop在云计算和大数据的位置和关系

数据开放,数据云服务平台(DAAS)时代

Hadoop平台在数据云平台(DAAS)上的天然优势。

数据云平台(DAAS 平台)组成部分

互联网公共数据大云(DAAS)案例

Hadoop构建构建游戏云(Web Game Daas)平台

模块四

Hadoop生态系统介绍和演示

Hadoop HDFS 和 MapReduce

Hadoop数据库之HBase

Hadoop数据仓库之Hive

Hadoop数据处理脚本Pig

Hadoop数据接口Sqoop和Flume，Scribe DataX

Hadoop工作流引擎 Oozie

运用Hadoop自下而上构建大规模企业数据仓库

暴风影音数据仓库实战解析

模块五

Hadoop组件详解

Hadoop HDFS 基本结构

Hadoop HDFS 副本存放策略

Hadoop NameNode 详解

Hadoop SecondaryNameNode 详解

Hadoop DataNode 详解

Hadoop JobTracker 详解

Hadoop TaskTracker 详解

Hadoop Mapper类核心代码

Hadoop Reduce类核心代码

Hadoop 核心代码

模块六

Hadoop安装和部署

Hadoop系统模块组件概述

Hadoop试验集群的部署结构

Hadoop 安装依赖关系

Hadoop 生产环境的部署结构

Hadoop集群部署

Hadoop 高可用配置方法

Hadoop 集群简单测试方法

Hadoop 集群异常Debug方法

Hadoop安装部署实验

Red hat Linux基础环境搭建

Hadoop 单机系统版本安装配置

Hadoop 集群系统版本安装和启动配置

使用 Hadoop MapReduce Streaming 快速测试系统

Hadoopcore-site，hdfs-site，mapred-site 配置详解

模块七

Hadoop集群规划

Hadoop 集群内存要求

Hadoop集群磁盘分区

集群和网络拓扑要求

集群软件的端口配置

针对NameNode Jobtracker DataNode TaskTracker Hiveserver 等不同组件需求推荐服务器配置

模块八

MapReduce 算法原理

Hadoop MapReduce 算法的原理和优化思想

灵活运用MapReduce 实现算法

运用MapReduce 构建数据库算法

 Select Sort GrougBy Sum Count

Join 新进流失算法

使用 Y-Smart 快速转换SQL 为MapReduce 代码     

模块九

编写MapReduce高级程序

使用 Hadoop MapReduce Streaming 编程

MapReduce流程 

剖析一个MapReduce程序

基本MapReduceAPI概念

驱动代码 Mapper、Reducer

Hadoop流

API 使用Eclipse进行快速开发

新MapReduce API

MapReduce的优化

MapReduce的任务调度

MapReduce编程实战

如何利用其他Hadoop相关技术，包括Apache Hive， Apache Pig，Sqoop和Oozie等

满足解决实际数据分析问题的高级Hadoop API

Hadoop Streaming 和 Java MapReduce Api 差异。

MapReduce 实现数据库功能

利用Combiners来减少中间数据

编写Partitioner来优化负载平衡

直接访问Hadoop分布式文件系统（HDFS）

Hadoop的join操作

辅助排序在Reducer方的合并

定制Writables和WritableComparables

使用SequenceFiles和Avro文件保存二进制数据

创建InputFormats OutputFormats

Hadoop的二次排序

Hadoop的海量日志分析

在Map方的合并  

模块十

集成Hadoop到现有工作流

及Hadoop API深入探讨

存储系统

利用Sqoop从关系型数据库系统中导入数据到Hadoop

利用Flume导入实时数据到Hadoop

ToolRunner介绍、使用MRUnit进行测试

使用Configure和Close方法来进行Map/Reduce设置和关闭

使用FuseDFS和Hadoop访问HDFS

使用分布式缓存（Distributed Cache）

直接访问Hadoop分布式文件系统（HDFS）

利用Combiners来减少中间数据

编写Partitioner来优化负载平衡

模块十一

使用Hive和Pig开发及技巧

Hive和Pig基础          

Hive的作用和原理说明

Hadoop仓库和传统数据仓库的协作关系

Hadoop/Hive仓库数据数据流

Hive 部署和安装

Hive Cli 的基本用法

HQL基本语法

运用Pig 过滤用户数据 

使用JDBC 连接Hive进行查询和分析

使用正则表达式加载数据

HQL高级语法

编写UDF函数

编写UDAF自定义函数

基于Hive脚本内嵌Streaming 编程

模块十二

Hbase安装和使用

Hbase 安装部署

Hbase原理和结构

Hbase 运维和管理

使用Hbase+Hive 提供 OLAP SQL查询能力

使用Hbase+Phoenix提供 OLTP SQL能力

基于Hbase 的时间序列数据库 OpenTsDb 结构解析

模块十三

Hadoop2.0 集群探索

Hadoop2.0 HDFS 原理

Hadoop2.0 Yarn 原理

Hadoop2.0 生态系统

基于Hadoop2.0 构建分布式系统

模块十四

Hadoop企业级别案例解析

Hadoop 结构化数据案例

Hadoop 非结构化案例

Hbase 数据库案例

Hadoop 视频分析案例

利用大数据分析改进交通管理

区域医疗大数据应用案例

银联大数据数据票据详单平台

某银行大数据Spark应用案例详解

某证券公司大数据案例介绍

广东移动省公司请账单系统

上海电信网络优化

某通信运营商全国用户上网记录

浙江台州市智能交通系统

移动广州详单实时查询系统

跨区域实时视频监控系统

电信大数据案例介绍：

基于社交网络的精确营销和客户维系

基于信令分析用户的移动轨迹

基站规划和动态优化

智慧城市交通

流量分析

上海联通大数据开放变现的实现案例介绍

模块十五

RedHadoop 企业版本

运用RedHadoop快速构建服务集群

运用RedHadoop DW 构建数据仓库

基于RedHadoop Hive构建数据仓库平台

灵活运用 Hive 加速游戏数据仓库

基于Pig+OpenCV大规模图像人脸识别

模块十六

Spark原理和入门

Spark原理；Spark的架构图；Spark运行模式介绍

—local；—standalone；—messos；—yarn；Spark的RDD

什么是RDD；RDD的种类；—Tranformation；—Action

Spark的存储级别；Cache介绍；Spark的容错原理

Lineage容错；Checkpoint容错；RDD的创建

案例—统计单词的个数

模块十七

互联网大数据应用案例

根阿里的ODPS大数据平台架构介绍

阿里的实时推荐架构

阿里的交叉营销系统

阿里支付宝交易监控系统

支付宝微贷案例分析(互联网征信系统)

京东打白条系统分析

百度预测大数据平台案例分析

机器学习

内容提要

授课详细内容

模块一

Spark ML基础入门

1.1 Spark介绍

1.2 Spark ML介绍

1.3 课程的基础环境

1.4 Spark SparkSession

1.5 Spark Datasets操作

1.6 Datasets操作的代码实操

模块二

Spark ML

Pipelines（ML管道）

2.1 Pipelines的主要概念

2.2 Pipelines实例讲解

2.3 ML操作的代码实操

2.4 使用 ML Pipeline 构建机器学习工作流案例展示

2.5 实例的代码实操声

模块三

Spark ML数学基础

3.1 ML矩阵向量计算

3.2 分类效果评估指标及ML实现详解

3.3 交叉-验证方法及ML实现详解

3.4 实例的代码实操

3.5 特征的提取及ML实现详解

3.6特征的转换及ML实现详解

3.7 特征的选择及ML实现详解

3.8 实例的代码实操  

模块四

Spark ML特征的提取、转换和选择

4.1 线性回归算法

4.2 逻辑回归算法

4.3 ML回归算法参数详解

4.4 ML实例

4.5 实例的代码实操

模块五

Spark ML线性回归/逻辑回归算法

5.1 决策树算法

5.2 随机森林算法

5.3 GDBT算法

5.4 ML树模型参数详解

5.5 ML实例

5.6 实例的代码实操

模块六

Spark ML决策树/随机森林/GBDT算法

6.1 KMeans聚类算法

6.2 ML KMeans模型参数详解

6.3 ML实例

6.4 实例的代码实操

模块七

Spark ML KMeans聚类算法

7.1 LDA主题聚类算法

7.2 ML LDA主题聚类模型参数详解

7.3 ML实例

7.4 实例的代码实操

模块八

Spark ML LDA主题聚类算法

8.1 协同过滤推荐算法

8.2 ML协同过滤分布式实现逻辑

8.3 ML协同过滤源码开发

8.4 实现实例

8.5 实例的代码实操

模块九

Spark ML协同过滤推荐算法

9.1 案例背景

9.2 架构设计

9.3 数据准备

9.4 模型训练

9.5 模型预测

9.6 脚本封装

模块十

项目实践

大型案例：基于Spark的推荐模型开发

模块十一

培训总结

项目方案的课堂讨论，讨论实际业务中的分析需求，剖析各个环节的难点、痛点、瓶颈，启发出解决之道；完成讲师布置的项目案例，巩固学过的大数据分析挖掘处理平台技术知识以及应用技能