培訓受眾:
1，系統架構師、系統分析師、高級程序員、資深開發人員。
2，牽涉到大數據處理的數據中心運行、規劃、設計負責人。
3，政府機關，金融保險、移動和互聯網等大數據來源單位的負責人。
4，高校、科研院所牽涉到大數據與分布式數據處理的項目負責人。
課程收益:
1，全面了解基于Hadoop/Yarn的大數據處理相關知識。
2，學習Hadoop/Yarn的核心技術方法以及應用特征。
3，深入學習Hadoop/Yarn相關工具在大數據中的實操使用。
4，了解Hadoop與Storm、Spark、Docker等技術的融合使用。
課程大綱:
隨著互聯網、移動互聯網和物聯網的發展，我們已經切實地迎來了一個大數據的時代。大數據是指無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合，對大數據的分析已經成為一個非常重要且緊迫的需求。目前對大數據的分析工具，首選的是Hadoop/Yarn平臺。Hadoop/Yarn在可伸縮性、健壯性、計算性能和成本上具有無可替代的優勢，事實上已成為當前互聯網企業主流的大數據分析平臺。為解決廣大系統設計人員深入研究與開發大數據技術的需要，解決廣大系統設計人員深入研究與開發大數據技術的需要，
一、培訓對象
1，系統架構師、系統分析師、高級程序員、資深開發人員。
2，牽涉到大數據處理的數據中心運行、規劃、設計負責人。
3，政府機關，金融保險、移動和互聯網等大數據來源單位的負責人。
4，高校、科研院所牽涉到大數據與分布式數據處理的項目負責人。
二、學員基礎
1，對IT系統設計有一定的理論與實踐經驗。
2，有一定的數據倉庫與大數據處理的基礎知識。
四、培訓要點
互聯網點擊數據、傳感數據、日志文件、具有豐富地理空間信息的移動數據和涉及網絡的各類評論，成為了海量信息的多種形式。當數據以成百上千TB不斷增長的時候，我們在內部交易系統的歷史信息之外，需要一種基于大數據分析的決策模型和技術支持。
大數據通常具有：數據體量(Volume)巨大,數據類型(Variety)繁多,價值(Value)密度低,處理速度(Velocity)快等四大特征。如何有效管理和高效處理這些大數據已成為當前亟待解決的問題。大數據處理意味著更嚴峻的挑戰，更好地管理和處理這些數據也將會獲得意想不到的收獲。
Google發布的GFS和MapReduce等高可擴展、高性能的分布式大數據處理框架，證明了在處理海量網頁數據時該框架的優越性。GFS/MapReduce框架實現了更高應用層次的抽象，使用戶無需關注復雜的內部工作機制，無需具備豐富的分布式系統知識及開發經驗，即可實現大規模分布式系統的部署與大數據的并行處理。Apache Hadoop開源項目開發團隊,克隆了GFS/MapReduce框架，推出了Hadoop系統。該系統已受到學術界和工業界的廣泛認可和采納，并孵化出眾多子項目(如Hive、Pig、H和Zookeeper等)，日益形成一個易部署、易開發、功能齊全、性能優良的系統。
本課程從大數據技術以及Hadoop/Yarn實戰的角度，結合理論和實踐，全方位地介紹Hadoop/Yarn這一高性能處理大數據工具的開發技巧。本課程涉及的主題包括：Hadoop/Yarn分布式文件系統DFS；MapReduce的的工作機制、類型和格式；如何構建和管理Hadoop/Yarn集群；Pig Latin語言的使用技巧；Hive數據倉庫工具介紹；H和Zookeeper工具的使用和管理；開源數據采集工具sqoop。
本課程教學過程中還提供了案例分析來幫助學員了解如何用Hadoop/Yarn系列工具來解決具體的問題，并介紹了從大數據中挖掘出有價值的信息的關鍵。
本課程不是一個泛泛的理論性、概念性的介紹課程，而是針對問題討論解決方案的深入課程。教師對于上述領域有深入的理論研究與實踐經驗，在課程中將會針對這些問題與學員一起進行研究，在關鍵點上還會搭建實驗環境進行實踐研究，以加深對于這些解決方案的理解。通過本課程學習，希望推動Hadoop/Yarn相關的項目開發上升到一個新水平。
五、培訓內容
第一講云計算及大數據處理技術介紹
1）云計算的概念
2）云計算發展現狀
3）大數據的概念
4）大數據的應用
5）大數據關鍵技術
第二講Google的關鍵技術
1）GFS分布式文件系統
2）Chubby并發鎖機制
3）MapReduce計算模型
4）Bigtable大表管理技術
第三講Hadoop系統及HDFS
1） Hadoop及其運行架構
2） Yarn中的隔離和調度機制
3） HDFS分布式文件及塊
4） Seqenence file等DFS文件格式
5） HA和Federation
第四講MapReduce計算模型設計
1) MapReduce產生背景
2) MapReduce編程模型
3) MapReduce實現機制
4) MapReduce案例分析
第五講Pig 數據流處理工具
1）Pig 設計的目標
2）Pig Latine介紹
3）Pig關鍵性技術
4）Pig的實用案例
第六講 云數據倉庫Hive
1) Hive設計目標
2) Hive數據模型
3) Hive關鍵性技術
4) Hive的使用案例
第七講H和NoSQL
1）NoSQL技術及其應用介紹
2）H數據處理機制
3）H列族設計及API
4）H高并發讀/寫的實現
5）ZooKeeper并發控制模型
第八講 數據抽取工具Sqoop
1）云中數據與DBMS數據的交換
2）Sqoop數據抽取關鍵技術
3）Sqoop數據抽取策略
4）Sqoop的使用實例
第九講 Hadoop與其他云數據處理技術的融合
1）其他云環境中大數據處理技術介紹
2）與Spark實時處理技術的融合
3）與Storm流數據處理技術的融合
4）與Docker等其它云工具的融合
5）基于Hadoop/Yarn的大數據挖掘應用
六、培訓目標
1，全面了解基于Hadoop/Yarn的大數據處理相關知識。
2，學習Hadoop/Yarn的核心技術方法以及應用特征。
3，深入學習Hadoop/Yarn相關工具在大數據中的實操使用。
4，了解Hadoop與Storm、Spark、Docker等技術的融合使用。
