1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

中國商飛大數據培訓，數據采集、數據處理和數據建模培訓大綱

大數據發展歷程及主流技術棧構成

1. 為什么會出現大數據，大數據的演進過程是怎么樣的

2. 商業智能BI、數據倉庫DW、數據湖DL、數據中臺的原理、區別和核心職能

3. 支撐大數據平臺的主流框架技術介紹：Spark、Flink、HDFS、HBase、Hive、Kylin、Presto、Kafka、ClickHouse 等

整體大數據平臺核心板塊構成及架構設計

1. 整體大數據處理鏈路介紹及每個環節的技術選型方案

2. 五大核心板塊介紹：數據接入處理（收集、接收、解析、標準化 等）、數據治理與管理（安全脫敏、ID-Mapping血緣圖譜、主體式數據倉庫 等）、

數據消費提取（批量、實時、T+1、API 等）、數據鏈路跟蹤（數據回溯、中間狀態追蹤、數據服務保障 等）、數據工具支撐（可視化建模、任務調度、數據搬遷 等）

3. 整體大數據架構設計介紹：技術架構、存儲與計算架構、部署架構、容災架構，實時流計算，離線存儲的核心本質，如何監測實時流處理過程中的問題回溯

4. HDFS、HBase、Hive、Kylin、Spark Streaming/SQL、Flink的底層核心原理及適用業務場景（結合實際工程代碼方式講解）

大型分布式數據倉庫建模思路與實踐

1. 軟件系統建模方法：（結構型）類圖、對象圖、構件圖、部署圖、包圖；（行為型）動圖、狀態機圖、順序圖、通信圖、用例圖、時間圖

2. 常用數據建模方法：實體建模法、維度建模法、范式建模法（結合案例講解
）
3. 基于中臺思想，數據分層的主體思路與重要性介紹

4. 基于分布式數據倉庫，針對數據的采集、處理、建模的佳實踐介紹

5. 數據倉庫建設方法論，星型模型（非關系型DB存儲，以空間換時間）和雪花模型（關系型DB存儲，以時間還空間）兩種建模思想的核心差異和適用場景

數據建模與處理行業案例分析（思路、方法、技術選型）

1. 基于事件驅動U-E建模，結合業務分拆數據處理粒度、維度、范圍、邊界，如：主題式抽取，數據標簽化定義 等

2. 結合業務講解E-R模型構建，動態、靜態屬性識別，數據客觀事實關系識別與定義

3. 基于車聯網領域秒級、毫秒級數據上報如何接 收與處理，以及如何將其實時數據和離線的歷史數據 結合處理分析

4. 如何解決數據擠壓問題，有哪些成熟的方法和技術手段

5. 數據接入云端后，如何防丟失，如何做削峰處理，如何保障后續服務健康運行

6. 案例分析：數據接收、解析、建模、存儲、計算、提取全流程中行業如何實戰落地