培訓背景
“數據為王”的時代,大數據將帶來一次全新的革命,將改變眾多企業的命運。本課程通過專業的大數據、云計算架構體系與業界真實案例來全面提升相關人員的管理水平,以及企事業單位的信息化項目規劃和落地,提升競爭力優勢。
本課程的授課師資都是有著多年在一線從事大數據、云計算項目的資深講師,采用理論、技術和實戰案例相結合的方式開展互動教學、強化如何建立大數據、云計算項目管理方案、技術討論與交流咨詢,在學習的同時促進老師學員之間的交流,讓大家學到實實在在的大數據和云計算理論知識體系及技術技巧,具備項目實施中的管控能力。授課過程中,根據學員需求,增設交流環節,可將具體工作中遇到的實際問題展開討論,講師會根據學員的實際情況微調授課內容,由講師帶著全部學員積極討論,并給出一定的時間讓學員上臺發言,現場剖析問題的癥結,規劃出可行的解決方案。
培訓收益
1.深刻理解在“互聯網+”時代下大數據、云計算的產生背景、發展歷程和演化趨勢;
2.了解業界市場需求和國內外最新的大數據技術潮流,洞察大數據的潛在價值;
3.理解大數據項目解決方案及業界應用案例,為在大數據項目中的選型及設計提供決策參考;
4.了解業界最流行的Hadoop與Spark大數據技術體系;
5.讓學員掌握云計算基礎知識,虛擬化技術,包括計算虛擬化,網絡虛擬化,存儲虛擬化,以及云管理平臺解決方案,包括VMware云管理平臺、OpenStack云管理平臺、Docker容器云管理平臺解決方案;
6.讓學員掌握業界成功的云計算案例,大型互聯網公司和政府智慧城市云平臺的管理應用案例。
培訓特色
本次培訓從案例分析與行業應用穿插;專家精彩內容解析、學員專題討論、分組研究;通過全面知識理解、專題技能演示和實踐引導學員掌握課程內容。
課程大綱
時間 | 知識模塊 | 授課內容 |
---|---|---|
第一天 上午 | 大數據基礎 |
1.什么是大數據 2.大數據技術的產生背景 3.大數據應用場景 4.大數據思維 5.大數據產業鏈 6.大數據是如何變革各行業的技術架構、商業模式和組織方式 7.大數據必備的技術基礎 |
業界主流的Hadoop大數據平 臺技術產品與項目解決方案 |
8.國內外主流的大數據解決方案介紹 9.當前大數據解決方案與傳統數據庫方案的剖析比較 10.Apache Hadoop大數據平臺全流程解決方案 11.Cloudera Hadoop大數據平臺全流程解決方案 12.HDP Hadoop大數據平臺解決方案 13.開源的大數據生態系統平臺剖析 | |
大數據平臺解決方案 |
14.Hadoop的發展歷程以及產業界實際應用介紹 15.Hadoop大數據平臺架構 16.基于Hadoop平臺的PB級大數據存儲管理與分析處理的工作原理與機制 17.Hadoop的核心組件剖析 18.Hadoop大數據解決方案和產品 | |
第一天 下午 |
大數據管理系統應用實戰 與解決方案 |
19.大數據管理系統介紹 20.NoSQL數據庫與NewSQL數據庫技術介紹,及Hadoop數據庫典型代表 21.HBase在半結構化和非結構化大數據管理方面的應用實踐 22.NOSQL大數據管理解決方案 23.NOSQL管理圖數據方案 24.NOSQL 管理非結構化數據方案 25.分布式數據庫管理結構化數據方案 |
大數據監控管理解決方案 |
26.大數據運維監控管理系統:HUE平臺的監控管理解決方案 27.大數據運維管理監控系統Ambari平臺 28.Hadoop集群運維Ganglia, Nagios解決方案 | |
大型數據倉庫與 數據中心解決方案 |
29.基于Hadoop的大型分布式數據倉庫基礎知識,HIVE在行業中的數據倉庫應用案例 30.政務大數據倉庫的建設 31.持續增長的數據倉庫的建設實施案例 | |
第二天 上午 |
實時大數據分析處理 平臺的解決方案 |
32.Spark的發展歷程以及業界的實際應用介紹 33.Spark實時大數據處理平臺架構 34.Spark RDD內存彈性分布式數據集的工作原理與機制 35.Spark的核心組件剖析 36.基于Spark的實時數據倉庫與實時分析挖掘處理在行業中的應用實踐案例 |
政府部門大數據應用案例 |
37.醫療大數據應用 38.數字城市大數據應用 39.國土大數據應用 40.電力大數據應用 41.城市管理大數據應用 | |
大數據中心常見 問題及應對之策 |
42.大數據中心的數據治理問題及應對之策 43.大數據中心的安全問題及應對之策 44.大數據中心的更新升級問題及應對之策 45.大數據中心的訪問控制問題及應對之策 46.大數據中心的能源供應問題及應對之策 47.大數據中心的雙活備用問題及應對之策 | |
云計算基礎 |
48.云計算技術應用解決方案,智慧城市與云計算技術應用,移動互聯網、大數據與云計算應用解決方案 49.云計算和大數據技術在運營商、金融業、銀行業、電子商務行業、零售業、制造業、政務信息化、互聯網、教育信息化等行業應用實踐 50.云計算平臺技術與層次架構分析 51.云計算的服務模式與SPI服務模型,IaaS、PaaS、SaaS、DaaS技術解析 52.公有云計算平臺、私有云平臺、混合云平臺 53.政務云平臺的實施案例 | |
云計算關鍵技術 |
54.云計算和虛擬化平臺的成熟應用案例 55.云計算與虛擬化平臺的關鍵技術 56.云計算平臺的架構設計與實現 57.云資源池管理解決方案剖析 58.云計算分布式計算技術以及存儲虛擬化、計算虛擬化、網絡虛擬化技術原理 59.桌面虛擬化、服務器虛擬化技術原理及應用 | |
第二天 下午 | 云計算解決方案 |
60.云計算與虛擬化技術的應用解決方案 61.重點講解業界主流的標準化云計算平臺產品的平臺架構及其應用概況 62.OpenStack云計算虛擬化管理平臺解決方案 63.VMware VSphere云計算虛擬化集群管理平臺解決方案 64.容器虛擬化云平臺解決方案,包括Docker云平臺方案與產品 |
云平臺運維管理 |
65.商業云計算平臺VMware的運維管理 66.開源云計算平臺OpenStack的運維管理 67.容器云平臺Docker和Kubernetes運維管理 68.云平臺的自動化運維的挑戰與解決之道 69.云平臺的運維特征分析與特點 70.云平臺的安全運維之道 71.云平臺運維系統的規劃設計和系統架構 72.云運維管理角色的職責設計 73.云平臺的平臺優化運維 74.云平臺的系統監控層維護 | |
信息化項目建設管理系統 流程及相關的系統知識 |
75.信息化項目的管理流程 76.信息化項目管理需要具備的系統知識 77.主機規劃知識、ICT系統知識 78.交流討論:根據講師布置的實際應用案例,開展大數據完整項目部署設計和應用開發實踐、大數據項目的需求分析、應用實施以及解決方案 | |
第三天 上午 | 大數據基礎技術 |
79.大數據的4V特征,以及與云計算的關系 80.大數據應用需求以及潛在價值分析 81.業界最新的大數據技術發展態勢與應用趨勢 82.大數據項目的系統與技術選型,及落地實施的挑戰 83.“互聯網+”時代下的電子商務、制造業、零售批發、電信運營商、互聯網金融業、電子政務、移動互聯網、教育信息化等行業應用實踐與應用案例介紹 |
業界主流的大數據 技術方案 |
84.大數據軟硬件系統全棧與關鍵技術介紹 85.主流的大數據解決方案介紹 86.Apache大數據平臺方案剖析 87.CDH大數據平臺方案剖析 88.HDP大數據平臺方案剖析 89.大數據解決方案與傳統數據庫方案比較 | |
大數據計算模型(一) 批處理MapReduce |
90.MapReduce產生背景與適用場景 91.MapReduce計算模型的基本原理 92.MapReduce作業執行流程 93.MapReduce基本組件,Jobtracker和Tasktracker 94.MapReduce高級編程應用,Combiner和Partitioner 95.MapReduce性能優化技巧 96.MapReduce案例分析與開發實踐操作 | |
第三天 下午 |
大數據存儲系統與 應用實踐 |
97.分布式文件系統HDFS產生背景與適用場景 98.HDFS master-slave系統架構與工作原理 99.HDFS核心組件技術講解 100.HDFS高可用保證機制 101.HDFS集群的安裝、部署與配置,熟練HDFS shell命令操作 102.分布式小文件存儲系統的平臺架構、核心技術與應用場景 103.分布式對象存儲系統的平臺架構、核心技術與應用場景 |
Hadoop框架與生態發展 以及應用實踐操作 |
104.Hadoop的發展歷程 105.Hadoop大數據生態圈系統與工具全貌介紹 106.Hadoop 1.0的核心組件與適用范圍 107.Hadoop 2.0的核心組件YARN工作原理,以及與Hadoop 1.0的區別 108.Hadoop資源管理與作業調度機制 109.Hadoop 常用性能優化技術 110.Hadoop集群安裝與部署實踐,以及MapReduce程序在YARN上執行 | |
第四天 上午 |
大數據計算模型(二) 實時處理/內存計算 Spark |
111.MapReduce計算模型的瓶頸 112.Spark產生動機、基本概念與適用場景 113.Spark編程模型與RDD彈性分布式數據集的工作原理與機制 114.Spark實時處理平臺運行架構與核心組件 115.Spark容錯機制 116.Spark作業調度機制 117.Scala開發介紹與實踐 118.Spark集群部署與配置實踐,Spark開發環境構建,Spark案例程序分析,Spark程序開發與運行,Spark與Hadoop集群集成實踐 |
總結 | 學員分組交流討論 |