歡迎來到培訓(xùn)無憂網(wǎng)！ 
歡迎來到培訓(xùn)無憂網(wǎng)！
太原電腦it培訓(xùn)學(xué)校
咨詢熱線 400-001-5729
授課機(jī)構(gòu)：太原電腦it培訓(xùn)學(xué)校
地址：太原市小店區(qū)
網(wǎng)報(bào)價(jià)格：￥電詢
課程原價(jià)：￥電詢
咨詢熱線：400-001-5729
課程詳情 學(xué)校簡介 學(xué)校地址 申請?jiān)嚶?/span>
關(guān)鍵詞：太原大數(shù)據(jù)云計(jì)算培訓(xùn)班有哪些
大數(shù)據(jù)云計(jì)算培訓(xùn)班
1
課程內(nèi)容
| 算（hadoop）知識模塊體系 | ||
| 一、Linux基礎(chǔ) |
1)Linux的介紹，Linux的安裝：VMware Workstation虛擬軟件安裝過程、CentOS虛擬機(jī)安裝過程 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 14)Linux上常見軟件的安裝：安裝JDK、安裝Tomcat、安裝mysql,web項(xiàng)目部署 |
|
| 二、大型網(wǎng)站高并發(fā)處理 |
1)第四層負(fù)載均衡: 2)第七層負(fù)載均衡 3)Tomcat、jvm優(yōu)化提高并發(fā)量 4)緩存優(yōu)化 5)Lvs+nginx+tomcat+redis|memcache構(gòu)建二層負(fù)載均衡千萬并發(fā)處理 6)Fastdfs小文件獨(dú)立存儲管理 |
|
| 三、初識hadoop | 1)Hadoop生態(tài)環(huán)境介紹 2)國 內(nèi)外Hadoop應(yīng)用案例介紹 3)Hadoop 概念、版本、歷史 4)Hadoop 核心組成介紹及hdfs、mapreduce 體系結(jié)構(gòu) 5)Hadoop 的集群結(jié)構(gòu) 6)Hadoop 偽分布的詳細(xì)安裝步驟 7)通過命令行和瀏覽器觀察hadoop | |
| 四、 HDFS體系結(jié)構(gòu)和shell以及java操作 | 1)HDFS底層工作原理 2)HDFS datanode,namenode詳解 3)Hdfs shell 4)Hdfs java api | |
| 五、詳細(xì)講解Mapreduce | 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 | |
| 六、Mapreduce案例案例 | 1)二次排序 2)倒排序索引 3)Z優(yōu)路徑 4)電信數(shù)據(jù)挖掘之--移動(dòng)軌跡預(yù)測分析（中 國棱鏡計(jì)劃） 5)社交好友推薦算法 6)互聯(lián)網(wǎng)準(zhǔn)確廣告推送 算法 7)阿里巴巴天池大數(shù)據(jù)競賽 《天貓推薦算法》案例 8)Mapreduce實(shí)戰(zhàn)pagerank算法 | |
| 七、Hadoop2.x集群搭建 | 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集群常見問題和解決方法 7)Hadoop集群管理 | |
| 八、分布式數(shù)據(jù)庫Hbase | 1)HBase定義 2)HBase與RDBMS的對比 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 樹形表設(shè)計(jì) 12)Hbase 一對多 和 多對多 表設(shè)計(jì) 13)Hbase 微博 案例 14)Hbase 訂單案例 15)Hbase表級優(yōu)化 16)Hbase 寫數(shù)據(jù)優(yōu)化 17)Hbase 讀數(shù)據(jù)優(yōu)化 | |
| 九、數(shù)據(jù)倉庫Hive | 1)數(shù)據(jù)倉庫基礎(chǔ)知識 2)Hive定義 3)Hive體系結(jié)構(gòu)簡介 4)Hive集群 5)客戶端簡介 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）的開發(fā)與演示 16)Hive 優(yōu)化 | |
| 十、elasticsearch分布式搜索 | 1)elasticsearch簡介 2)elasticsearch和solr的對比 3)elasticsearch安裝部署 4)elasticsearch service wrapper啟動(dòng)插件 5)使用curl操作elasticsearch索引庫 6)elasticsearch DSL查詢 7)elasticsearch批量查詢meet 8)elasticsearch批量操作bulk 9)elasticsearch插件介紹 10)elasticsearch配置文件詳解 11)java操作elasticsearch 12)elasticsearch的分頁查詢 13)elasticsearch中文分詞工具的集成 14)elasticsearch優(yōu)化 15)elasticsearch集群部署 16)elasticsearch+hbase大型搜索系統(tǒng)架構(gòu) | |
| 十一、CM+CDH集群管理 | 1)CM + CDH集群的安裝 2)基于CM主機(jī)及各種服務(wù)組件的管理 3)CDH集群的配置和參數(shù)調(diào)優(yōu) 4)CDH集群HA配置及集群升級 5)CM的監(jiān)控管理 6)集群管理的注意事項(xiàng) 7)HUE實(shí)戰(zhàn)詳解 | |
| 十二、 Impala | 1)Impala介紹和架構(gòu) 2)Impala實(shí)戰(zhàn)安裝，架構(gòu)，外部shell 3)Impala內(nèi)部shell,存儲分區(qū)，SQL 4)Impala SQL、hbase整合，JDBC、性能優(yōu)化 5)Impala配置及其調(diào)優(yōu) 6)Impala項(xiàng)目應(yīng)用 | |
| 十三、Oozie | 1)Oozie入門介紹 2)Oozie安裝配置及其簡單操作 3)hPDL語言學(xué)習(xí)及流程定義 4)oozie工作流配置及元數(shù)據(jù)庫定義 5)oozie定時(shí)任務(wù)調(diào)度和oozie API操作 | |
| 十四、數(shù)據(jù)遷移工具Sqoop | 1)介紹 和 配置Sqoop 2)Sqoop shell使用 3)Sqoop-import 4)Sqoop-export | |
| 十五、Flume分布式日志框架 | 1)flume簡介-基礎(chǔ)知識 2)flume安裝與測試 3)flume部署方式 4)flume source相關(guān)配置及測試 5)flume sink相關(guān)配置及測試 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開發(fā) 10)flume 和kafka 的整合 | |
| 十六、Zookeeper 開發(fā) | 1)zookeeper架構(gòu) 2)zookeeper實(shí)戰(zhàn)環(huán)境 3)zookeeper內(nèi)部算法詳解 4)Zookeeper java api開發(fā) 6)Zookeeper實(shí)現(xiàn)SOA高可用架構(gòu)框架 7)Netty 異步io通信框架 8)Zookeeper實(shí)現(xiàn)netty分布式架構(gòu)的高可用 9)Zookeeper分布式鎖實(shí)現(xiàn) | |
| 內(nèi)存計(jì)算（spark）知識模塊體系 | 一、 Redis緩存數(shù)據(jù)庫 |
1).redis特點(diǎn)、與其他數(shù)據(jù)庫的比較 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redis【a.python訪問redis,scala訪問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 |
| 二、Kafka分布式隊(duì)列系統(tǒng) | 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 | |
| 三、Storm實(shí)時(shí)數(shù)據(jù)處理 |
1)Storm的基本概念 2)Storm的應(yīng)用場景 3)Storm和Hadoop的對比 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)集群搭建常見問題解決 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使用場景、Storm結(jié)合Kafka編程API 16)Storm Trident概念 17)Trident state 原理 18)Trident開發(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 22)淘寶核心架構(gòu)套件 23)Storm開發(fā)實(shí)戰(zhàn)： flume+Kafka+Storm+Hbase+redis項(xiàng)目實(shí)戰(zhàn)，以及多個(gè)案例 |
|
| 四、Scala | 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)、變長參數(shù)等 4)scala的數(shù)組、變長數(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的對象、單例對象、伴生對象、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)庫連接 | |
| 五、Spark2.0 core大數(shù)據(jù)編程 |
1)Spark2.0介紹 2)Spark應(yīng)用場景 3)Spark和Hadoop MR、Storm的比較和優(yōu)勢 4)RDD 5)Transformation 6)Action 7)Spark計(jì)算PageRank 8)Lineage 9)Spark模型簡介 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)集群搭建常見問題解決 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 23) Spark Core核心編程 24)RDD內(nèi)核架構(gòu)概覽 25)RDD的不同數(shù)據(jù)來源的創(chuàng)建方式詳解 26)RDD的操作算子綜述與本質(zhì)分析（轉(zhuǎn)換算子、行動(dòng)算子） 27)常用操作算子的案例實(shí)戰(zhàn) 28)RDD持久化實(shí)戰(zhàn)以及Checkpoint 29)RDD共享變量以及累加器的使用實(shí)戰(zhàn) 30)RDD簡單排序功能（優(yōu)化之前WordCount程序）以及二次排序的實(shí)戰(zhàn) 31)Spark實(shí)戰(zhàn)Top N功能詳解 32)Spark任務(wù)調(diào)度流程整體架構(gòu)分析詳解 33)Spark任務(wù)劃分流程整體架構(gòu)分析詳解（寬依賴與窄依賴、DAGScheduler源碼分析） 34)Spark執(zhí)行任務(wù)相關(guān)原理以及源碼分析（TaskScheduler、Executor、Task、Shuffle） 35)Spark實(shí)戰(zhàn)之PageRank 36)性能優(yōu)化與調(diào)優(yōu)的分析 |
|
| 六、 Spark SQL | 1.Spark RDD應(yīng)用SQL實(shí)戰(zhàn) 2.RDD轉(zhuǎn)化為DataFrame數(shù)據(jù)框的方式詳解 3.Spark DataFrame數(shù)據(jù)框操作實(shí)戰(zhàn) 4.加載和保存數(shù)據(jù)操作（load與save） 5.JSON數(shù)據(jù)源實(shí)戰(zhàn)案例 6.JDBC數(shù)據(jù)源實(shí)戰(zhàn)案例 7.Hive數(shù)據(jù)源實(shí)戰(zhàn)案例 8.Parquets數(shù)據(jù)源實(shí)戰(zhàn)加載數(shù)據(jù)、自動(dòng)分區(qū)推斷、合并元數(shù)據(jù) 9.內(nèi)置函數(shù)的實(shí)戰(zhàn)案例 10.開窗函數(shù)的實(shí)戰(zhàn)案例 11.Spark SQL UDF自定義函數(shù)實(shí)戰(zhàn) 12.Spark SQL UDAF自定義聚合函數(shù)實(shí)戰(zhàn) 13.Spark SQL 工作原理詳解以及Spark SQL 的源碼分析 14.Hive on Spark | |
| 七、Spark Streaming實(shí)時(shí)計(jì)算 | 1)Spark Streaming和Storm對比講解 2)Spark Streaming本質(zhì)原理分析 3)Wordcount程序的實(shí)時(shí)版本開發(fā) 4)Spark Streaming和Spark Core里面context的不同 5)輸入DStream和Receiver的講解 6)不同輸入源（Kafka、HDFS）的DStream操作實(shí)戰(zhàn) 7)基于DStream的window滑動(dòng)窗口實(shí)戰(zhàn)案例 8)基于DStream的updateStateByKey實(shí)戰(zhàn)案例 9)基于DStream的transform實(shí)戰(zhàn)案例 10)DStream的輸出存儲操作以及核心函數(shù)foreachRDD實(shí)戰(zhàn) 11)Spark Streaming的持久化實(shí)戰(zhàn)以及Checkpoint 12)與Spark SQL結(jié)合使用實(shí)戰(zhàn)案例 13)架構(gòu)原理分析與性能優(yōu)化 | |
| 人工智能知識模塊體系 | 一、語言機(jī)器學(xué)習(xí) | 1)R語言介紹，基本函數(shù)，數(shù)據(jù)類型 2)線性回歸 3)樸素貝葉斯分類 4)決策樹分類 5)k均值聚類 6)關(guān)聯(lián)規(guī)則探索 7)神經(jīng)網(wǎng)絡(luò) |
| 二、Mahout機(jī)器學(xué)習(xí) | 1)介紹為什么使用它,它的前景 2)配置安裝（hadoop2.x版本的）編譯安裝步驟說明 3)推薦 4)分類 5)聚類 | |
| 三、Python | 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常見內(nèi)建函數(shù) 7)更多Python函數(shù)及使用常見技巧 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)爬蟲案例 13)數(shù)據(jù)庫連接，以及pip安裝模塊 14)Mongodb基礎(chǔ)入門 15)講解如何連接mongodb 16)Python的機(jī)器學(xué)習(xí)案例 | |
| 四、park MLlib機(jī)器學(xué)習(xí) | 1)介紹b 2)回歸算法b 3)分類算法b 4)第四章 推薦系統(tǒng)b 5)第五章 聚類b | |
| 云計(jì)算知識模塊體系 | 一、Docker | 1)基本介紹 2)vm docker 對比 3)docker基本架構(gòu)介紹 4)unfs cgroup namespace 5)進(jìn)程虛擬化 輕量級虛擬化 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 11)docker weave |
| 二、虛擬化KVM |
1)虛擬化介紹，虛擬化適用場景等等 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)展磁盤空間 9)Kvm快照 10)Kvm 遷移 11)Java,python,c語言編程控制kvm 12)構(gòu)建自己的虛擬云平臺 |
|
| 三、云平臺OpenStack | 1)openstack介紹和模塊基本原理分析 2)openstack多節(jié)點(diǎn)安裝部署 3)Keystone基本原理 4)glance 5)Cinder 6)Swift 7)Neutron 8)Openstack api 二次開發(fā) |
太原電腦it培訓(xùn)學(xué)校
尚學(xué)堂教育中心成立，現(xiàn)旗下業(yè)務(wù)覆蓋：JAVA開發(fā)技術(shù)培訓(xùn)、高級架構(gòu)師培訓(xùn)、大數(shù)據(jù)云計(jì)算培訓(xùn)、人工智能python培訓(xùn)、H5前端開發(fā)培訓(xùn)、項(xiàng)目開發(fā)業(yè)務(wù)、團(tuán)隊(duì)激勵(lì)、在線教育集群業(yè)務(wù)。
事業(yè)部遍布北京、上海、廣州、長沙、成都、太原、鄭州、哈爾濱、深圳、武漢等十多個(gè)城市。
尚學(xué)堂12大精英團(tuán)隊(duì)，覆蓋IT行業(yè)十大領(lǐng)域，實(shí)戰(zhàn)團(tuán)隊(duì)240人，服務(wù)學(xué)員累計(jì)超過10萬人，就業(yè)合作企業(yè)數(shù)量500+。
尚學(xué)堂優(yōu)勢
12大精英團(tuán)隊(duì)+各類實(shí)戰(zhàn)項(xiàng)目，真正實(shí)現(xiàn)1+1>10的目標(biāo)效果。幫助學(xué)員迅速成長，持久騰飛，成就學(xué)員“高富帥”人生；幫助企業(yè)技術(shù)和團(tuán)隊(duì)成長，成就百年中華名企；
公司愿景
成為提供全品類、線上和線下綜合教育服務(wù)的中心，為教育插上“實(shí)戰(zhàn)化和高效率”的翅膀，解決教育不公平和低效率問題。
公司使命
立志解決教育不公平和低效率問題，幫助千千萬萬被傳統(tǒng)教育方式耽誤的人，傳授實(shí)用、前沿的知識，成就學(xué)員個(gè)人理想，為愛你的人和你愛的人創(chuàng)造美好的生活。
學(xué)校名稱：太原電腦it培訓(xùn)學(xué)校
固定電話：400-001-5729
授課地址：太原市小店區(qū) 預(yù)約參觀
