大数据技术培训

培训目标
1, 全面了解大数据实时处理技术的相关知识。
2，学习Spark的核心技术方法以及应用特征。
3，深入使用Spark在大数据实时处理中的使用。
4，掌握BDAS相关工具及其主要功能。

培训要点
互联网点击数据、传感数据、日志文件、具有丰富地理空间信息的移动数据和涉及网络的各类评论，成为了海量信息的多种形式。当数据以成百上千TB不断增长的时候，我们在内部交易系统的历史信息之外，需要一种基于大数据实时分析的决策模型和技术支持。
大数据通常具有：数据体量（Volume）巨大，数据类型（Variety）繁多，价值（Value）密度低，处理速度（Velocity）快等四大特征。如何有效管理和高效处理这些大数据已成为当前亟待解决的问题。大数据实时处理意味着更严峻的挑战，更好地管理和处理这些数据也将会获得意想不到的收获。
Spark生态系统（BDAS项目）已经发展成一个包含多个子项目的集合，Spark SQL、Spark Streaming、GraphX、MLlib等，本课程将介绍Spark大数据计算框架、架构、计算模型和数据管理策略，及Spark在业界的应用。
本课程从大数据实时处理技术以及Spark实战的角度，结合理论和实践，全方位地介绍Spark大数据实时处理工具的原理和内核。
本课程教学过程中提供了案例分析来帮助学员了解如何用BDAS系列工具来解决具体的问题，并介绍了从大数据中挖掘出有价值的信息的关键所在。
本课程不是一个泛泛的理论性、概念性的介绍课程，而是针对问题讨论解决方案的深入课程。讲师对于上述领域有深入的理论研究与实践经验，在课程中将会针对这些问题与学员一起进行研究，在关键点上还会在实验环境中演示、实践，以加深对于这些解决方案的理解。通过本课程学习，希望推动大数据相关的项目开发上升到一个新水平。

培训内容
第一讲 Spark大数据实时处理技术
1）大数据处理技术
2）Spark实时处理技术
3）Spark生态系统BDAS
4）Spark架构分析
第二讲 Spark安装配置及监控
1）Ubuntu环境的准备
2）Hadoop2.X和Scala
3）搭建Spark开发环境
4）Idea编译和运行
5）Spark监控管理
第三讲 Scala编程语言使用概述
1）Scala编程语言
2）基本数据类型
3）操作基本数据类型
4）类和对象
5）组合和继承

第四讲 Spark分布式计算框架
1）Spark计算模型
2）弹性分布式数据集RDD
3）Spark的数据存储
4）Transformation算子分类及功能
5）Actions算子分类及功能
第五讲 Spark内部工作机制详解
1）Spark底层实现原理
2）Spark应用执行机制
3）Spark调度与任务分配模块
4）FIFO和FAIR调度算法
第六讲 Spark数据读取与存储
1）Spark的I/O机制
2）Spark中的数据压缩
3）Spark的数据读取与存储
4）Spark数据读写流程

第七讲 Spark通信模块和容错机制
1）Spark通信模块
2）通信框架AKKA
3）容错机制和Lineage依赖
4）检查点机制进行容错
5）Shuffle过程
第八讲 SQL On Spark
1）BDAS数据分析软件栈
2）SQL On Spark
3）Spark SQL工具使用
4）Shark工具使用
5）Hive on Spark工具
6）Spark操作Hbase中的数据
第九讲 Spark流数据处理工具Streaming
1）流数据处理工具Streaming
2）Spark Streaming架构
3）Spark Streaming原理
4）Spark Streaming实例

第十讲 Spark中的大数据挖掘工具MLlib
1）大数据挖掘工具MLlib
2）MLlib的数据存储
3）MLlib中的聚类和分类
4）MLlib算法应用实例
5）利用MLlib进行推荐
第十一讲 Spark大规模图处理工具GraphX
1）大规模图处理工具GraphX
2）GraphX的运行架构
3）GraphX操作使用
4）GraphX使用实例
第十二讲 Spark在业界的应用案例
1）Spark在Amazon的应用
2）Spark在Yahoo!的应用
3）Spark在Telefonica的应用
4）Spark在淘宝的应用

师资介绍：
由业界知名云计算专家亲自授课：
杨老师 主要研究网络信息分析以及云计算相关技术，长期从事数据仓库、数据挖掘以及大数据分析技术研究，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。

大数据技术培训