Hadoop、spark和NoSQL大数据实战

教练：刘老师

某知名咨询公司 云平台系统架构师

毕业于⼤连理⼯⼤学
简介:
精通开源的⼤数据⽣态技术和架构，Hadoop、Hive、Hbase、 Spark、Flink等开源技术栈。
有10年左右基于⼤数据解决⽅案平台、数据架构、数据中台、数据治理、数据分析和挖掘的⼤型数据湖和数
据中台项⽬架构实施经验,
⽬前任职国内知名咨询公司，先后服务于北京⼤学软件研究所、阿⾥巴巴、Teradata,实施过基于开源⼤数据技术
栈的数据湖解决⽅案和实施、湖仓⼀体架构咨询和实施、数据中台的咨询和设施
最近主要项⽬介绍:
某移动⼤数据平台架构设计和设施 (Hadoop、Spark)
四⼤⾏之⼀的数据湖咨询和实施
某⼤型商业银⾏数据中台咨询
某银⾏基于开源⼤数据技术栈数据中台的咨询和实施
某航空公司数据平台流批⼀体解决⽅案和实施
特长:
在⼤数据架构、开发、运维和优化、数据集成、 数据湖(Data Lake)、数据建模、数据挖掘/机器学习、数据
中台等⽅⾯有丰富经 验。

主题

内容

大数据在国内的运用

1、大数据在国内的使用介绍
2、离线计算框架介绍
3、流式计算框架介绍
4、内存计算框架介绍
5、内存流式计算介绍

大数据的整体技术架构

1、开源大数据技术架构
2、开源大数据常用组件之间的依赖关系
3、离线计算框架介绍
—Mapreduce、Hive、Tez、Presto、Kylin
4、实时查询框架介绍
—NoSQL、Hbase
5、实时计算框架介绍
—Kafka、Strom、Spark Streaming
6、内存计算框架介绍
—Spark、SparkSQL、SparkMllib、SparkR
7、前沿大数据技术介绍
—Flink、Drill、Druid、KUDU等
8、海量日志快速检索架构
—ELK（Elasticsearch、Logstash、Kibana）等

Hadoop平台优化点

1、Linux系统的优化
2、最佳硬件的选择和建议
3、HDFS架构和原理
4、HDFS的优化、维护和经常出现的问题
5、MapReduce架构和原理
6、MapReduce的优化、维护和经常出现的问题
7、Yarn的内存、CPU和IO的优化
8、Hbase的优化和生产环境常见的问题
9、Hive的优化和Hive的改进工具介绍
10、Impala、Kylin、Presto工具介绍
11、RCFile、ORC和parquet格式介绍

Hadoop核心组件的运维和配置

1、HDFS的元数据管理
2、FSimage和Edit文件解析
3、手动修改FSimage和Edit文件
4、HDFS HA的架构运维解析
5、Yarn服务运维详解
6、Yarn核心配置参数的详解
7、Hbase服务运维详解
8、手动设置Split和Compaction操作
9、RS宕机的运维处理
10、Hbase 超大表的优化实践

Yarn实战

1、Yarn架构和原理
2、ResourceManager工作原理
3、NodeManager工作原理
4、ApplicationMaster工作原理
5、Yarn的资源控制机制
6、基于内存的控制设置
7、基于CPU的控制设置
8、基于IO的控制这是
9、Yarn为某个运用独立分配资
10、基于队列的资源管理配置
11、基于底层硬件的SLA资源配置
12、不同部门或者用户的资源配置

NoSQL和Hbase使用

1、NoSQL介绍
2、NoSQL应用场景
3、Hbase原理
4、Hmaster详解
5、RegionServer详解
6、Zookeeper介绍
7、Hbase安装
8、Hbase逻辑视图介绍
9、Hbase物理视图介绍
10、Hbase的二级索引介绍
11、Hbase 的DDL和DML
12、Hbase表的设计案例
13、Hbase的import功能介绍
14、MapReduce操作Hbase
15、Hbase的 thrift Server介绍
16、Hbase 的API介绍
17、Hbase使用场景介绍
18、Hbase案例分析
实战：
19、MapReduce操作Hbase实战
20、Hbase的API实战
21、Hbase表结构设计实战
22、银行信用卡刷卡记录的查询

Spark Streaming原理和实践

1、Spark Streaming原理
1．Spark流式处理架构
2．DStream的特点
3．Dstream的操作和RDD的区别
4．SatefulRDD和windowRDD实战
5．Kafka+Spark Steaming实战
6．Spark Streaming的优化
2、Kafka+Spark Streaming实例
-文本实例
3、网络数据处理

Spark SQL原理和实践

1、Spark SQL原理
1）Spark SQL的Catalyst优化器
2）Spark SQL内核
3）Spark SQL和Hive
2、DataFrame和DataSet架构
3、Fataframe、DataSet和Spark SQL的比较
4、SparkSQL parquet格式实战
5、Spark SQL的实例和编程
-Spark SQL的实例操作demo
6、Spark SQL的编程

Spark优化

1、Spark SQL的优化
2、基于Spark计算的文件格式选择
3、Spark on Yarn的优化
4、Spark SQL执行计划的优化
5、Spark 内存管理的机制

互联网大数据案例分享

1、金融大数据应用案例介绍
2、某银行基于大数据平台风险监控案例
3、某银行基于大数据数据湖的案例
4、SAP的HANA实时计算平台案例分析