Hadoop大數(shù)據(jù)平臺(tái)開(kāi)發(fā)與案例分析高級(jí)工程師實(shí)戰(zhàn)（杭州，7月21-24日）

【舉辦單位】北京曼頓培訓(xùn)網(wǎng) www.mdpxb.com    

【培訓(xùn)日期】

杭州，2020年7月21-24日；成都，2020年8月19-22日

深圳，2020年11月20-23日；北京，2020年12月20-23日

【培訓(xùn)地點(diǎn)】杭州、成都、深圳、北京

【培訓(xùn)對(duì)象】各地企事業(yè)單位大數(shù)據(jù)產(chǎn)業(yè)相關(guān)人員，運(yùn)營(yíng)商 IT信息化和運(yùn)維工程師相關(guān)人員，金融業(yè)信息化相關(guān)人員，或?qū)Υ髷?shù)據(jù)感興趣的相關(guān)人員。

【課程背景】

1.需求理解

Hadoop 設(shè)計(jì)之初的目標(biāo)就定位于高可靠性、高可拓展性、高容錯(cuò)性和高效性，正是這些設(shè)計(jì)上與生俱來(lái)的優(yōu)點(diǎn)，才使得Hadoop 一出現(xiàn)就受到眾多大公司的青睞，同時(shí)也引起了研究界的普遍關(guān)注。

對(duì)電信運(yùn)營(yíng)商而言,用戶上網(wǎng)日志包含了大量用戶個(gè)性化需求、喜好信息,對(duì)其進(jìn)行分析和挖掘,能更好地了解客戶需求。傳統(tǒng)經(jīng)營(yíng)分析系統(tǒng)小型機(jī)加關(guān)系型數(shù)據(jù)庫(kù)的架構(gòu)無(wú)法滿足對(duì)海量非結(jié)構(gòu)化數(shù)據(jù)的處理需求,搭建基于X86的Hadoop 平臺(tái),引入大數(shù)據(jù)處理技術(shù)的方式,實(shí)現(xiàn)高效率、低成本、易擴(kuò)展的經(jīng)營(yíng)分析系統(tǒng)混搭架構(gòu)成為電信運(yùn)營(yíng)商最為傾向的選擇。本課程將全面介紹Hadoop平臺(tái)開(kāi)發(fā)和運(yùn)維的各項(xiàng)技術(shù)，對(duì)學(xué)員使用該項(xiàng)技術(shù)具有很高的應(yīng)用價(jià)值。

【課程架構(gòu)與設(shè)計(jì)思路】

（1）培訓(xùn)架構(gòu)：

本課程分為三個(gè)主要部分：

第一部分：重點(diǎn)講述大數(shù)據(jù)技術(shù)在的應(yīng)用，使學(xué)員對(duì)大數(shù)據(jù)技術(shù)的廣泛應(yīng)用有清晰的認(rèn)識(shí)，在這環(huán)節(jié)當(dāng)中會(huì)重點(diǎn)介紹Hadoop技術(shù)在整個(gè)大數(shù)據(jù)技術(shù)應(yīng)用中的重要地位和應(yīng)用情況。

第二部分：具體對(duì)hadoop技術(shù)進(jìn)行模塊化分拆，從大數(shù)據(jù)文件存儲(chǔ)系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺(tái)及其應(yīng)用談起，介紹Hadoop技術(shù)各主要應(yīng)用工具和方法，以及在運(yùn)維維護(hù)當(dāng)中的主流做法，使學(xué)員全面了解和掌握Hadoop技術(shù)的精華。

第三部分：重點(diǎn)剖析大數(shù)據(jù)的應(yīng)用案例，使學(xué)員在案例當(dāng)中對(duì)該項(xiàng)技術(shù)有更深入的感觀印象

（2）設(shè)計(jì)思路：

本課程采用模塊化教學(xué)方法，以案例分析為主線，由淺入深、循序漸進(jìn)、由理論到實(shí)踐操作進(jìn)行設(shè)計(jì)。

（3）與企業(yè)的貼合點(diǎn)：

本課程結(jié)合企業(yè)轉(zhuǎn)型發(fā)展及大數(shù)據(jù)發(fā)展戰(zhàn)略，圍繞企業(yè)大數(shù)據(jù)業(yè)務(wù)及行業(yè)應(yīng)用市場(chǎng)拓展發(fā)展目標(biāo)，重點(diǎn)講授Hadoop的應(yīng)用技術(shù)，提升企業(yè)IT技術(shù)人員的開(kāi)發(fā)和運(yùn)維能力，有很強(qiáng)的貼合度。

【培訓(xùn)目標(biāo)】

掌握大數(shù)據(jù)處理平臺(tái)（Hadoop、Spark、Storm）技術(shù)架構(gòu)、以及平臺(tái)的安裝部署、運(yùn)維配置、應(yīng)用開(kāi)發(fā)；掌握主流大數(shù)據(jù)Hadoop平臺(tái)和Spark實(shí)時(shí)處理平臺(tái)的技術(shù)架構(gòu)和實(shí)際應(yīng)用；利用Hadoop+Spark對(duì)行業(yè)大數(shù)據(jù)進(jìn)行存儲(chǔ)管理和分析挖掘的技術(shù)應(yīng)用；講解Hadoop生態(tài)系統(tǒng)組件，包括Storm，HDFS，MapReduce，HIVE，HBase，Spark，GraphX，MLib，Shark， ElasticSearch等大數(shù)據(jù)存儲(chǔ)管理、分布式數(shù)據(jù)庫(kù)、大型數(shù)據(jù)倉(cāng)庫(kù)、大數(shù)據(jù)查詢與搜索、大數(shù)據(jù)分析挖掘與分布式處理技術(shù)

【課程大綱】

第一天 上午

第一部分：移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算相關(guān)技術(shù)介紹

第二部分：大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向

理論講授+案例分析

下午

第三部分：大數(shù)據(jù)文件存儲(chǔ)系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺(tái)及其應(yīng)用

第四部分：Hadoop文件系統(tǒng)HDFS最佳實(shí)戰(zhàn)

理論講授+案例分析+小組討論

第二天

上午

第五部分：Hadoop運(yùn)維管理與性能調(diào)優(yōu)

第六部分：NOSQL數(shù)據(jù)庫(kù)Hbase與Redis

理論講授+案例分析+實(shí)戰(zhàn)演練

下午

第七部分：類SQL語(yǔ)句工具——Hive

第八部分：數(shù)據(jù)挖掘SPARK建模基礎(chǔ)介紹

理論講授+案例分析+實(shí)戰(zhàn)演練

第三天

上午

第九部分：Kafka基礎(chǔ)介紹

第十部分：大數(shù)據(jù)典型應(yīng)用與開(kāi)發(fā)案例分析：互聯(lián)網(wǎng)數(shù)據(jù)運(yùn)營(yíng) 理論講授+案例分析

下午

第十一部分：當(dāng)前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析-以國(guó)內(nèi)外運(yùn)營(yíng)商、互聯(lián)網(wǎng)公司為例

第十二部分：課程總結(jié)與問(wèn)題答疑

評(píng)估培訓(xùn)

理論講授+案例分析+小組討論

模塊一 移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算相關(guān)技術(shù)介紹

1、數(shù)據(jù)中心與云計(jì)算技術(shù)應(yīng)用

2、智慧城市與云計(jì)算技術(shù)應(yīng)用

3、移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)與云計(jì)算關(guān)聯(lián)技術(shù)

4、移動(dòng)云計(jì)算的生態(tài)系統(tǒng)及產(chǎn)業(yè)鏈

5、大數(shù)據(jù)技術(shù)在運(yùn)營(yíng)商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)中的應(yīng)用實(shí)踐

6、國(guó)內(nèi)外主流的大數(shù)據(jù)解決方案介紹

7、當(dāng)前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫(kù)方案的剖析比較

8、Cloudera Hadoop 大數(shù)據(jù)平臺(tái)方案剖析

9、開(kāi)源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺(tái)剖析

模塊二 大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向

1、大數(shù)據(jù)時(shí)代的挑戰(zhàn)

■戰(zhàn)略決策能力

■技術(shù)開(kāi)發(fā)和數(shù)據(jù)處理能力

■組織和運(yùn)營(yíng)能力

2、大數(shù)據(jù)時(shí)代的發(fā)展方向

■云計(jì)算是基礎(chǔ)設(shè)施架構(gòu)

■大數(shù)據(jù)是靈魂資產(chǎn)

■分析、挖掘是手段

■發(fā)現(xiàn)和預(yù)測(cè)是最終目標(biāo)

3、大數(shù)據(jù)挖掘在各行業(yè)應(yīng)用情況

■電信行業(yè)應(yīng)用及案例分析

■互聯(lián)網(wǎng)行業(yè)應(yīng)用及案例分析

■金融行業(yè)應(yīng)用及案例研究

■銷售行業(yè)應(yīng)用案例分析

課程模塊 課程主題 主要內(nèi)容及案例和演示

模塊一 移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算相關(guān)技術(shù)介紹 1、數(shù)據(jù)中心與云計(jì)算技術(shù)應(yīng)用

2、智慧城市與云計(jì)算技術(shù)應(yīng)用

3、移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)與云計(jì)算關(guān)聯(lián)技術(shù)

4、移動(dòng)云計(jì)算的生態(tài)系統(tǒng)及產(chǎn)業(yè)鏈

5、大數(shù)據(jù)技術(shù)在運(yùn)營(yíng)商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)中的應(yīng)用實(shí)踐

6、國(guó)內(nèi)外主流的大數(shù)據(jù)解決方案介紹

7、當(dāng)前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫(kù)方案的剖析比較

8、Cloudera Hadoop 大數(shù)據(jù)平臺(tái)方案剖析

9、開(kāi)源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺(tái)剖析

模塊二 大數(shù)據(jù)的挑戰(zhàn)和發(fā)展方向 1、大數(shù)據(jù)時(shí)代的挑戰(zhàn)

■戰(zhàn)略決策能力

■技術(shù)開(kāi)發(fā)和數(shù)據(jù)處理能力

■組織和運(yùn)營(yíng)能力

2、大數(shù)據(jù)時(shí)代的發(fā)展方向

■云計(jì)算是基礎(chǔ)設(shè)施架構(gòu)

■大數(shù)據(jù)是靈魂資產(chǎn)

■分析、挖掘是手段

■發(fā)現(xiàn)和預(yù)測(cè)是最終目標(biāo)

3、大數(shù)據(jù)挖掘在各行業(yè)應(yīng)用情況

■電信行業(yè)應(yīng)用及案例分析

■互聯(lián)網(wǎng)行業(yè)應(yīng)用及案例分析

■金融行業(yè)應(yīng)用及案例研究

■銷售行業(yè)應(yīng)用案例分析

模塊三 大數(shù)據(jù)文件存儲(chǔ)系統(tǒng)技術(shù)和分布式文件系統(tǒng)平臺(tái)及其應(yīng)用 1、Hadoop的發(fā)展歷程

■Hadoop大數(shù)據(jù)平臺(tái)架構(gòu)

■基于Hadoop平臺(tái)的PB級(jí)大數(shù)據(jù)存儲(chǔ)管理與分析處理的工作原理與機(jī)制

■Hadoop 的核心組件剖析

2、分布式文件系統(tǒng)HDFS

■概述、功能、作用、優(yōu)勢(shì)

■應(yīng)用范疇、應(yīng)用現(xiàn)狀

■發(fā)展趨勢(shì)

3、分布式文件系統(tǒng)HDFS架構(gòu)及原理

■核心關(guān)鍵技術(shù)

■設(shè)計(jì)精髓

■基本工作原理

■系統(tǒng)架構(gòu)

■文件存儲(chǔ)模式

■工作機(jī)制

■存儲(chǔ)擴(kuò)容與吞吐性能擴(kuò)展

4、分布式文件系統(tǒng)HDFS操作

■SHELL命令操作

■I/O流式操作

■文件數(shù)據(jù)讀取、寫(xiě)入、追加、刪除

■文件狀態(tài)查詢

■數(shù)據(jù)塊分布機(jī)制

■數(shù)據(jù)同步與一致性

■元數(shù)據(jù)管理技術(shù)

■主節(jié)點(diǎn)與從節(jié)點(diǎn)工作機(jī)制

■大數(shù)據(jù)負(fù)載均衡技術(shù)

■HDFS大數(shù)據(jù)存儲(chǔ)集群管理技術(shù)

5、Hadoop生態(tài)系統(tǒng)組件

■Storm

■HDFS

■MapReduce

■HIVE

■HBase

■Spark

■GraphX

■MLib

■Shark

模塊四 Hadoop文件系統(tǒng)HDFS最佳實(shí)戰(zhàn)

1、HDFS的設(shè)計(jì)

2、HDFS的概念

■數(shù)據(jù)塊

■namenode和datanode

■聯(lián)邦HDFS

■HDFS的高可用性

3、命令行接口

4、Hadoop文件系統(tǒng)

5、Java接口

■從Hadoop URL讀取數(shù)據(jù)

■通過(guò)FileSystem API讀取數(shù)據(jù)

■寫(xiě)入數(shù)據(jù)

■目錄

■查詢文件系統(tǒng)

■刪除數(shù)據(jù)

6、數(shù)據(jù)流

■剖析文件讀取

■剖析文件寫(xiě)入

■一致模型

7、通過(guò)Flume和Sqoop導(dǎo)入數(shù)據(jù)

8、通過(guò)distcp并行復(fù)制

9、Hadoop存檔

■使用Hadoop存檔工具

■不足

模塊五 Hadoop運(yùn)維管理與性能調(diào)優(yōu)

1、第二代大數(shù)據(jù)處理框架

■Yarn的工作原理及

■DAG并行執(zhí)行機(jī)制

■Yarn大數(shù)據(jù)分析處理案例分析

■Yarn 框架并行應(yīng)用程序?qū)嵺`

2、集群配置管理

■Hadoop集群配置

■Hadoop性能調(diào)優(yōu)與參數(shù)配置

■Hadoop機(jī)架感知策略與配置

■Hadoop壓縮機(jī)制

■Hadoop任務(wù)負(fù)載均衡

■Hadoop 集群維護(hù)

■Hadoop監(jiān)控管理

3、HDFS的靜態(tài)調(diào)優(yōu)技巧

■HDFS 的高吞吐量I/O性能調(diào)優(yōu)技巧

■MapReduce/Yarn的并行處理性能調(diào)優(yōu)技巧

■Hadoop集群的運(yùn)行故障剖析，以及解決方案

■基于Hadoop大數(shù)據(jù)應(yīng)用程序的性能瓶頸剖析與提

■Hadoop 大數(shù)據(jù)運(yùn)維監(jiān)控管理系統(tǒng) HUE 平臺(tái)的安裝部署與應(yīng)用配置

■Hadoop運(yùn)維管理監(jiān)控系統(tǒng)Ambari平臺(tái)的安裝部配置

■Hadoop 集群運(yùn)維系統(tǒng) Ganglia, Nagios的安裝部署與應(yīng)用配置

模塊六 NOSQL數(shù)據(jù)庫(kù)Hbase與Redis

1、NOSQL基礎(chǔ)

■CAP理論

■Base與ACID

■NOSQL數(shù)據(jù)庫(kù)存儲(chǔ)類型

鍵值存儲(chǔ)

列存儲(chǔ)

文檔存儲(chǔ)

圖形存儲(chǔ)

2、HBase分布式數(shù)據(jù)基礎(chǔ)

3、安裝Hbase

4、Hbase應(yīng)用

■HBase的邏輯數(shù)據(jù)模型，HBase的表、行、列族、列、單元格、版本、row key排序

■HBase的物理模型，命名空間（表空間）、表模式（Schema）的設(shè)計(jì)法則

■HBase 主節(jié)點(diǎn)HMaster的工作原理，HMaster的高可用配置，以及性能調(diào)優(yōu)

■HBase 從節(jié)點(diǎn)RegionServer（分區(qū)服務(wù)節(jié)點(diǎn)）的工作原理，表分區(qū)及存儲(chǔ)I/O高并發(fā)配置，以及性能調(diào)優(yōu)

■HBase的存儲(chǔ)引擎工作原理，以及HBase表數(shù)據(jù)的鍵值存儲(chǔ)結(jié)構(gòu)，以及HFile存儲(chǔ)結(jié)構(gòu)剖析

■HBase表設(shè)計(jì)與數(shù)據(jù)操作以及數(shù)據(jù)庫(kù)管理操作

■HBase集群的安裝部署、參數(shù)配置和性能優(yōu)化

5、HBase分布式數(shù)據(jù)庫(kù)簡(jiǎn)介、發(fā)展歷程、應(yīng)用場(chǎng)景、工作原理、以及應(yīng)用優(yōu)勢(shì)與不足之處

■HBase分布式數(shù)據(jù)庫(kù)集群的主從式平臺(tái)架構(gòu)和關(guān)鍵技術(shù)剖析

■HBase偽分布式和物理集群分布式的控制與運(yùn)行配置

■HBase從節(jié)點(diǎn)RegionServer（分區(qū)服務(wù)節(jié)點(diǎn)）的工作原理，表分區(qū)及存儲(chǔ)I/O高并發(fā)配置，以及性能調(diào)優(yōu)

■HBase的存儲(chǔ)引擎工作原理，以及HBase表數(shù)據(jù)的鍵值存儲(chǔ)結(jié)構(gòu)，以及HFile存儲(chǔ)結(jié)構(gòu)剖析

■HBase表設(shè)計(jì)與數(shù)據(jù)操作以及數(shù)據(jù)庫(kù)管理操作

■HBase集群的安裝部署、參數(shù)配置和性能優(yōu)化

■ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理、平臺(tái)架構(gòu)、集群部署應(yīng)用實(shí)戰(zhàn)

■ZooKeeper集群的原理架構(gòu)，以及應(yīng)用配置

6、Redis內(nèi)存數(shù)據(jù)庫(kù)介紹，以及業(yè)界應(yīng)用案例

■Redis內(nèi)存數(shù)據(jù)庫(kù)集群架構(gòu)以及核心技術(shù)剖析

■Redis 集群的安裝部署與應(yīng)用開(kāi)發(fā)實(shí)戰(zhàn)

模塊七 類SQL語(yǔ)句工具——Hive

1、安裝Hive

2、示例

3、運(yùn)行Hive

■配置Hive

■Hive服務(wù)

■Metastore

4、Hive與傳統(tǒng)數(shù)據(jù)庫(kù)相比

■讀時(shí)模式vs.寫(xiě)時(shí)模式

■更新、事務(wù)和索引

5、HiveQL

■數(shù)據(jù)類型

■操作與函數(shù)

6、表

■托管表和外部表

■分區(qū)和桶

■存儲(chǔ)格式

■導(dǎo)入數(shù)據(jù)

■表的修改

■表的丟棄

7、查詢數(shù)據(jù)

■排序和聚集

■MapReduce腳本

■連接

■子查詢

■視圖

8、用戶定義函數(shù)

■寫(xiě)UDF

■寫(xiě)UDAF

模塊八 數(shù)據(jù)挖掘SPARK建?；A(chǔ)介紹

 1、Spark簡(jiǎn)介

■Spark是什么

■Spark生態(tài)系統(tǒng)BDAS

2、Spark架構(gòu)

■Spark分布式架構(gòu)與單機(jī)多核架構(gòu)的異同

3、Spark集群的安裝與部署

■Spark的安裝與部署

■Spark集群初試

4、Spark硬件配置

■Spark硬件

■Spark硬件配置流程

模塊九 Kafka基礎(chǔ)介紹

1、Kafka介紹

2、kafka體系結(jié)構(gòu)

3、kafka設(shè)計(jì)理念簡(jiǎn)介

4、kafka通信協(xié)議

5、kafka的偽分布安裝、集群安裝

6、kafka的shell操作、java操作

7、kafka設(shè)計(jì)理念*

8、kafka producer和consumer開(kāi)發(fā)

9、Kafka分布式消息訂閱系統(tǒng)的應(yīng)用介紹、平臺(tái)架構(gòu)、集群部署與配置應(yīng)用實(shí)戰(zhàn)

10、Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型、平臺(tái)架構(gòu)、集群部署與配置應(yīng)用實(shí)戰(zhàn)

11、Hadoop與DBMS之間數(shù)據(jù)交互工具Sqoop的應(yīng)用實(shí)踐，

12、Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)以及Sqoop集群部署與配置

13、Kettle 集群的平臺(tái)架構(gòu)、核心技術(shù)、部署配置和應(yīng)用實(shí)戰(zhàn)

14、利用Sqoop實(shí)現(xiàn) MySQL 與 Hadoop 集群之間

模塊十 大數(shù)據(jù)典型應(yīng)用與開(kāi)發(fā)案例分析：互聯(lián)網(wǎng)數(shù)據(jù)運(yùn)營(yíng)

1、案例1：貴州數(shù)據(jù)交易中心

■交易所交易形式：電子交易

■交易所服務(wù)：大數(shù)據(jù)交易、大數(shù)據(jù)清洗建模分析、大數(shù)據(jù)定向采購(gòu)、大數(shù)據(jù)平臺(tái)技術(shù)開(kāi)發(fā)

■大數(shù)據(jù)交易安全性探討分析

■數(shù)據(jù)交易中心商業(yè)模式探討分析

2、案例2：大數(shù)據(jù)應(yīng)用案例：公共交通線路的智能規(guī)劃

■UrbanInsights：為公交公司提供基于訂閱訪問(wèn)的大數(shù)據(jù)工具以及大數(shù)據(jù)咨詢服務(wù)

■Urban Insights數(shù)據(jù)源、數(shù)據(jù)收集、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)分析——設(shè)計(jì)運(yùn)營(yíng)線路

■Urban Insights通過(guò)互聯(lián)網(wǎng)數(shù)據(jù)的運(yùn)營(yíng)

3、討論：浙江移動(dòng)大數(shù)據(jù)應(yīng)用與開(kāi)發(fā)方向

模塊十一 當(dāng)前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析-以國(guó)內(nèi)外運(yùn)營(yíng)商、互聯(lián)網(wǎng)公司為例 

1、流商業(yè)大數(shù)據(jù)解決方案比較

2、主流開(kāi)源云計(jì)算系統(tǒng)比較?

3、國(guó)內(nèi)外代表性大數(shù)據(jù)平臺(tái)比較?

4、各廠商最新的大數(shù)據(jù)產(chǎn)品介紹

5、案例分析

■Facebook的SNS平臺(tái)應(yīng)用

■Google的搜索引擎應(yīng)用

■Rackspace的日志處理

■Verizon成立精準(zhǔn)市場(chǎng)營(yíng)銷部

■TelefonicaDynamicInsights推出的名為“智慧足跡”的商業(yè)服務(wù)

■中國(guó)聯(lián)通的“移動(dòng)通信用戶上網(wǎng)記錄集中查詢與分析支撐系統(tǒng)”

【講師介紹】

  張老師,曼頓培訓(xùn)網(wǎng)(www.mdpxb.com )資深講師。 阿里大數(shù)據(jù)高級(jí)專家，國(guó)內(nèi)資深的Spark、Hadoop技術(shù)專家、虛擬化專家，對(duì)HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生態(tài)系統(tǒng)中的技術(shù)進(jìn)行了多年的深入的研究，更主要的是這些技術(shù)在大量的實(shí)際項(xiàng)目中得到廣泛的應(yīng)用，因此在Hadoop開(kāi)發(fā)和運(yùn)維方面積累了豐富的項(xiàng)目實(shí)施經(jīng)驗(yàn)。近年主要典型的項(xiàng)目有：某電信集團(tuán)網(wǎng)絡(luò)優(yōu)化、中國(guó)移動(dòng)某省移動(dòng)公司請(qǐng)賬單系統(tǒng)和某省移動(dòng)詳單實(shí)時(shí)查詢系統(tǒng)、中國(guó)銀聯(lián)大數(shù)據(jù)數(shù)據(jù)票據(jù)詳單平臺(tái)、某大型銀行大數(shù)據(jù)記錄系統(tǒng)、某大型通信運(yùn)營(yíng)商全國(guó)用戶上網(wǎng)記錄、某省交通部門(mén)違章系統(tǒng)、某區(qū)域醫(yī)療大數(shù)據(jù)應(yīng)用項(xiàng)目、互聯(lián)網(wǎng)公共數(shù)據(jù)大云(DAAS)和構(gòu)建游戲云(Web Game Daas)平臺(tái)項(xiàng)目等?！?/span>

【費(fèi)用及報(bào)名】

1、費(fèi)用：培訓(xùn)費(fèi)6800元（含培訓(xùn)費(fèi)、講義費(fèi)）；如需食宿，會(huì)務(wù)組可統(tǒng)一安排,費(fèi)用自理。

2、報(bào)名咨詢：鮑老師

3、報(bào)名流程：電話登記-->填寫(xiě)報(bào)名表-->發(fā)出培訓(xùn)確認(rèn)函

4、備注：如課程已過(guò)期，請(qǐng)?jiān)L問(wèn)我們的網(wǎng)站，查詢最新課程

5、詳細(xì)資料請(qǐng)?jiān)L問(wèn)北京曼頓培訓(xùn)網(wǎng)：www.mdpxb.com (每月在全國(guó)開(kāi)設(shè)四百多門(mén)公開(kāi)課，歡迎報(bào)名學(xué)習(xí))