企业级Hadoop+Spark大数据平台架构与实践
五号服务器---VIP资料下载八区\数据库专区**** Hidden Message *****
基础：Linux常用命令、Java编程基础
大数据：科学数据、金融数据、物联网数据、交通数据、社交网络数据、零售数据等等。
Hadoop: 一个开源的分布式存储、分布式计算平台（基于Apache）
Hadoop的组成：
HDFS:分布式文件系统，存储海量的数据。
MapReduce:并行处理框架，实现任务分解和调度。
Hadoop的用处：
搭建大型数据仓库，PB级数据的存储、处理、分析、统计等业务。
比如搜索引擎、网页的数据处理，各种商业智能、风险评估、预警，还有一些日志的分析、数据挖掘的任务。
Hadoop优势：高扩展、低成本、成熟的生态圈(Hadoop Ecosystem Map)
Hadoop开源工具：
Hive：将SQL语句转换成一个hadoop任务去执行，降低了使用Hadoop的门槛。
HBase:存储结构化数据的分布式数据库，habase提供数据的随机读写和实时访问，实现 对表数据的读写功能。
zookeeper:就像动物管理员一样，监控hadoop集群里面每个节点的状态，管理整个集群 的配置，维护节点针之间数据的一次性等等。
hadoop的版本尽量选稳定版本，即较老版本。
本课程通过一个互联网公司的真实案例，详细传授如何从无到有构建大数据平台，包含了大数据计算平台的基本组件，从底层存储，数据采集，调度系统，adhoc查询，展示系统，数据安全，ETL开发，批量以及实时数据等部分来阐述大数据平台的核心模块。
这是最具实践性的课程，本课程的内容可以直接应用到希望构建大数据平台的企业中，所教授的如上每一个知识点，都是实用的内容，大数据平台构建的困难在这里均能得到解答。同时本课程还会介绍业内常用的工具的使用，以及优缺点。让大家对大数据平台建设的过程有更深入的了解。
课程大纲：
第一课: 数据平台整体介绍
(1) 数据平台整体介绍
(2) 各种异构数据清洗加载
(3) 任务调度系统设计
(4) 业务快速迭代过程中，数据模型如何构建
(5) 大数据平台基本组件以及技术选型
第二课：环境准备
(1) Hadoop安装配置管理
(2) spark安装配置管理
(3) sqoop，flume安装配置
(4) 数据压缩存储格式，几种数据存储格式对比
第三课： 数据同步收集（一）
(1) 如何从rdbms同步数据到hdfs
(2) 自己开发ETL 数据抽取工具
(2) sqoop的使用
(3) 后台日志，nginx日志等数据的清洗规范化，介绍 hadoop streaming，mapreduce，
使用spark/Scala模式匹配 等方式清洗日志
(4) 特殊格式日志如何清洗
第四课: 数据同步收集（二）
(1) 异地跨网段数据同步清洗方案
(2) 超大数据量日志同步清洗，并保证数据的准确性
(3) 同步数据小文件过多如何处理
(4) 历史数据归档处理，冷热数据存储
第五课：数据同步收集（三）
(1) 准小时级别数据更新处理
(2) 使用spark streaming，kafka 等实时处理后台，nginx 日志
(3) mySQL binlog实时日志处理
第六课：任务调度系统设计
(1) 定时任务设计以及处理
(2) 触发，依赖模式的任务调度系统设计
(3) 调度系统中如何做到ETL任务依赖关系自动解析
(4) 手把手教你实现一个任务调度系统
第七课：调度系统选择
(1) oozie，azkaban，airflow等调度系统介绍
(2) airbnb airflow基本架构设计
(3) Airflow 任务调度系统配置和使用
(4) Airflow 高级使用
(5) Airflow 二次开发，自定义某些功能模块
第八课： ETL任务系统设计
(1) 数据抽取，加载工具的实现
(2) ETL任务模板的实现
(3) ETL任务元数据设计
(4) 企业级数据仓库模型设计：维度建模，分层，宽表设计等
第九课：adhoc查询以及查询平台
(1) presto，impala，spark-sql 的使用
(2) hue搭建以及使用
(3) zeppelin搭建以及使用，zeppelin中调试spark，pyspark等
(5) 更快的查询，毫秒级的响应速度之elasticsearch
第十课：数据罗盘
(1) 数据罗盘常图表样式
(2) airbnb开发的Superset 安装以及使用
(3) Superset架构介绍以及使用案例
(4) Superset简单定制化开发
第十一课：数据安全
(1) 从hdfs层面来空值数据的访问权限
(2) 如何保障敏感表，敏感字段的安全性
(3) 应用层面，查询服务层来保障安全
第十二课：大数据平台监控
(1) etl任务监控，数据质量监控
(2) etl作业日志，yarn日志解析以及监控
(3) 数据量增长，数据量未来发展准确预估
(4) 借助对象存储，把冷热数据分离处理
收获预期：
让学员对大数据平台的基本功能组件，数据处理等有一个全方位的了解，能够搭建大数据处理平台，还可以做下数据开发处理，设计ETL任务。
突然发现hadoop好多创新呦，底层新的分布式架构也开始发力了，未来传统的数据库面临巨大的竞争压力！你会发现对DBA来说只要会点JAVA就能玩转Hadoop,从而拥有大数据运维开发经验
谢谢分享，非常好的资料 hadoop,非常感谢，这个运维能看懂,支持一下子！ 企业级Hadoop+Spark大数据平台架构与实践 谢谢分享！ 谢谢分享，非常好的资料 看看，学习下 企业级Hadoop+Spark大数据平台架构与实践 好资料 谢谢分享
谢谢分享 企业级Hadoop+ 企业级Hadoop+Spark大数据平台架构与实践 感谢分享 的点点滴滴多多多多多多多多多多多多多
页:
[1]