模块一

Hadoop在云计算技术的作用和地位

u 传统大规模系统存在的问题 

u Hadoop概述 

u Hadoop分布式文件系统      

u MapReduce工作原理         

u Hadoop集群剖析            

u Hadoop生态系统对一种新的解决方案的需求

u Hadoop的行业应用案例分析

u Hadoop在云计算和大数据的位置和关系

u 数据开放,数据云服务平台(DAAS)时代

u Hadoop平台在数据云平台(DAAS)上的天然优势

u 数据云平台(DAAS 平台)组成部分

u 互联网公共数据大云(DAAS)案例

u Hadoop构建构建游戏云(Web Game Daas)平台

模块二

Hadoop生态系统介绍和演示

u Hadoop HDFS 和 MapReduce 

u Hadoop数据库之HBase 

u Hadoop数据仓库之Hive

u Hadoop数据处理脚本Pig 

u Hadoop数据接口Sqoop和Flume，Scribe DataX 

u Hadoop工作流引擎 Oozie

u 运用Hadoop自下而上构建大规模企业数据仓库

u 暴风影音数据仓库实战解析

模块三

Hadoop组件详解

u Hadoop HDFS 基本结构

u Hadoop HDFS 副本存放策略

u Hadoop NameNode 详解

u HadoopSecondaryNameNode 详解 

u Hadoop DataNode 详解

u Hadoop JobTracker 详解 

u Hadoop TaskTracker 详解

u Hadoop Mapper类核心代码

u Hadoop Reduce类核心代码

u Hadoop 核心代码

模块四

Hadoop安装和部署

u Hadoop系统模块组件概述

u Hadoop试验集群的部署结构

u Hadoop 安装依赖关系

u Hadoop 生产环境的部署结构

u Hadoop集群部署

u Hadoop 高可用配置方法

u Hadoop 集群简单测试方法 

u Hadoop 集群异常Debug方法

u Hadoop安装部署实验

u Red hat Linux基础环境搭建

u Hadoop 单机系统版本安装配置

u Hadoop 集群系统版本安装和启动配置 

u 使用 Hadoop MapReduce Streaming 快速测试系统

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

模块五

Hadoop集群规划

u Hadoop 集群内存要求

u Hadoop集群磁盘分区

u 集群和网络拓扑要求

u 集群软件的端口配置

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

模块六

MapReduce 算法原理

u Hadoop MapReduce 算法的原理和优化思想

u 灵活运用MapReduce 实现算法

u 运用MapReduce 构建数据库算法

u Select Sort GrougBy Sum Count 

u Join 新进流失算法

u 使用 Y-Smart 快速转换SQL 为MapReduce 代码

模块七

编写MapReduce高级程序

u 使用 Hadoop MapReduce Streaming 编程

u MapReduce流程          

u 剖析一个MapReduce程序 

u 基本MapReduceAPI概念  

u 驱动代码 Mapper、Reducer

u Hadoop流 

u API 使用Eclipse进行快速开发               

u 新MapReduce API 

u MapReduce的优化

u MapReduce的任务调度

u MapReduce编程实战

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

u 满足解决实际数据分析问题的高级Hadoop API 

u Hadoop Streaming 和 Java MapReduce Api 差异。

u MapReduce 实现数据库功能

u 利用Combiners来减少中间数据

u 编写Partitioner来优化负载平衡

u 直接访问Hadoop分布式文件系统（HDFS）

u Hadoop的join操作

u 辅助排序在Reducer方的合并

u 定制Writables和WritableComparables 

u 使用SequenceFiles和Avro文件保存二进制数据 

u 创建InputFormats OutputFormats

u Hadoop的二次排序

u Hadoop的海量日志分析

u 在Map方的合并       

模块八

集成Hadoop到现有工作流 

及Hadoop API深入探讨

u 存储系统 

u 利用Sqoop从关系型数据库系统中导入数据到Hadoop 

u 利用Flume导入实时数据到Hadoop 

u ToolRunner介绍、使用MRUnit进行测试 

u 使用Configure和Close方法来进行Map/Reduce设置和关闭 

u 使用FuseDFS和Hadoop访问HDFS

u 使用分布式缓存（Distributed Cache）

u 直接访问Hadoop分布式文件系统（HDFS） 

u 利用Combiners来减少中间数据

u 编写Partitioner来优化负载平衡  

模块九

使用Hive和Pig开发及技巧

u Hive和Pig基础              

u Hive的作用和原理说明

u Hadoop仓库和传统数据仓库的协作关系

u Hadoop/Hive仓库数据数据流

u Hive 部署和安装

u Hive Cli 的基本用法

u HQL基本语法

u 运用Pig 过滤用户数据  

u 使用JDBC 连接Hive进行查询和分析

u 使用正则表达式加载数据

u HQL高级语法

u 编写UDF函数

u 编写UDAF自定义函数

u 基于Hive脚本内嵌Streaming 编程

模块十

Hbase安装和使用

u Hbase 安装部署            

u Hbase原理和结构

u Hbase 运维和管理

u 使用Hbase+Hive 提供 OLAP SQL查询能力

u 使用Hbase+Phoenix提供 OLTP SQL能力

u 基于Hbase 的时间序列数据库 OpenTsDb 结构解析

模块十一

Hadoop2.0 集群探索

u Hadoop2.0 HDFS 原理

u Hadoop2.0 Yarn 原理

u Hadoop2.0 生态系统

u 基于Hadoop2.0 构建分布式系统

模块十二

Hadoop企业级别案例解析

u Hadoop 结构化数据案例

u Hadoop 非结构化案例

u Hbase 数据库案例

u Hadoop 视频分析案例

u 利用大数据分析改进交通管理

u 区域医疗大数据应用案例

u 银联大数据数据票据详单平台

u 广东移动省公司请账单系统

u 上海电信网络优化

u 某通信运营商全国用户上网记录

u 浙江台州市智能交通系统

u 移动广州详单实时查询系统

u 跨区域实时视频监控系统

模块十三

RedHadoop 企业版本

u 运用RedHadoop快速构建服务集群

u 运用RedHadoop DW 构建数据仓库

u 基于RedHadoop Hive构建数据仓库平台

u 灵活运用 Hive 加速游戏数据仓库

u 基于Pig+OpenCV大规模图像人脸识别

模块十五

Spark
安装部署

¬ Spark安装简介
¬ Spark的源码编译
¬ Spark Standalone安装
¬ Spark应用程序部署工具spark-submit
¬ Spark的高可用性部署

模块十六

Spark
运行架构和解析

¬ Spark的运行架构
• 基本术语
• 运行架构
• Spark on Standalone运行过程
• Spark on YARN 运行过程
¬ Spark运行实例解析
• Spark on Standalone实例解析
• Spark on YARN实例解析

• 比较 Standalone与YARN模式下的优缺点