1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓(xùn)班中重聽；
       2、培訓(xùn)結(jié)束后,授課老師留給學員聯(lián)系方式,保障培訓(xùn)效果,免費提供課后技術(shù)支持。
       3、培訓(xùn)合格學員可享受免費推薦就業(yè)機會。☆合格學員免費頒發(fā)相關(guān)工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學員的能力得到大家的認同，受到用人單位的廣泛贊譽，端海的證書受到廣泛認可。

• 目標收益
  通過該課程學習，洞悉Hadoop，NoSQL與Spark等技術(shù)的原理、架構(gòu)與技術(shù)手段；結(jié)合豐富實例掌握其設(shè)計與開發(fā)方法，以及掌握如軟件架構(gòu)、性能調(diào)優(yōu)等使用過程中的實用技巧；深入了解Hadoop，NoSQL，Spark體系中各成員，理解Hadoop，NoSQL，Spark成員各自的優(yōu)、缺點與正確適用場景，了解技術(shù)最新發(fā)展動向，能對Hadoop，NoSQL與Spark體系在學員企業(yè)、學員項目、學員研發(fā)中是否可用、如何定位以及如何使用做出正確判斷與學習，并且對如何結(jié)合大數(shù)據(jù)技術(shù)規(guī)劃企業(yè)數(shù)據(jù)架構(gòu)得到相當?shù)膯l(fā)與收獲。
• 培訓(xùn)對象
• 企業(yè)中高層技術(shù)管理人員、企業(yè)技術(shù)戰(zhàn)略決策者、軟件架構(gòu)師、軟件研發(fā)人員與大數(shù)據(jù)技術(shù)愛好者，有大數(shù)據(jù)及海量數(shù)據(jù)管理與處理需求的企業(yè)優(yōu)先。
• 學員基礎(chǔ)
• 企業(yè)數(shù)據(jù)架構(gòu)基礎(chǔ)知識；數(shù)據(jù)管理基礎(chǔ)知識；關(guān)系數(shù)據(jù)庫的操作與實踐；大數(shù)據(jù)概念了解。
• 課程大綱
  
• 主題 內(nèi)容
  大數(shù)據(jù)時代關(guān)系數(shù)據(jù)庫的挑戰(zhàn)與應(yīng)對
• 1. 現(xiàn)代數(shù)據(jù)管理技術(shù)綜述
  2. 關(guān)系數(shù)據(jù)庫技術(shù)的核心特征
  3.主流關(guān)系數(shù)據(jù)庫的挑戰(zhàn)
  4. 改進型關(guān)系數(shù)據(jù)庫
• 大數(shù)據(jù)技術(shù)綜述
• 1. 大數(shù)據(jù)概念澄清
  2. 大數(shù)據(jù)技術(shù)家族
  3. NoSQL技術(shù)綜述
  3.1最早的NoSQL---BDB
  3.2 Hadoop之Hbase與Facebook之Cassandra
  3.3 MongoDB與CouchDB
  3.4Memcached與Redis
  3.5圖形數(shù)據(jù)庫Neo4j
  4. MapReduce
  5.關(guān)系數(shù)據(jù)庫聯(lián)邦
  6.海量分布式文件系統(tǒng)
  7大數(shù)據(jù)技術(shù)理論基礎(chǔ)
  CAP，BASE，ACID
• Hadoop實用教程
• 1. Hadoop技術(shù)概論
  1.1 Hadoop體系架構(gòu)總論
  1.2 HDFS-工作原理與架構(gòu)
  1.3 平民化的分布式計算MapReduce
  1.4 MapReduce工作原理與架構(gòu)
  1.5 Hadoop數(shù)據(jù)倉庫-Hive
  1.6 Hadoop NoSQL數(shù)據(jù)庫-HBase
  1.7 工作流調(diào)度-Ooize
  1.8 分布式協(xié)調(diào)系統(tǒng)--Zookeeper
  2. Hadoop部署
  2.1 Hadoop版本介紹與選擇
  2.2 Hadoop部署實踐
  2.3 Hadoop安裝文件構(gòu)成與配置體系
  2.4 機器硬件建議配置
  2.5 系統(tǒng)環(huán)境配置
  2.6 基本參數(shù)配置與說明
  2.7 進程分布規(guī)劃與啟動
  3. 分布式文件系統(tǒng)HDFS實用教程
  3.1 HDFS操作
  3.2 HDFS編程—文件讀寫
  3.3 HDFS數(shù)據(jù)壓縮
  3.4 HDFS技術(shù)要點
  4. MapReduce實用教程
  4.1 MapReduce原理與架構(gòu)
  4.2 MapReduce編程方法
  4.3 MapReduce實用技術(shù)要點
  4.4 MapReduce排序與關(guān)聯(lián)
  4.5 MapReduce工作流
  4.6 MapReduce調(diào)優(yōu)
  5. MapReduce2.0-YARN
  5.1 YARN的原理
  5.2 YARN設(shè)計架構(gòu)
  5.3 YARN工作流程
  5.4 YARN與MapReduce1.0比較
  6. MapReduce實例講解
  6.1普通實例
  6.2 高級實例
  6.3 MapReduce高級數(shù)據(jù)分析（時間允許時）
  7. Hadoop數(shù)據(jù)倉庫Hive
  7.1 Hive編程
  7.2 Hive環(huán)境部署與搭建
  7.3 Hive工作機制
  7.4 Hive語法與實踐
  8. 其它ZooKeeper，Sqoop，Chukwa，Avro……
• Hadoop技術(shù)分析
• 1. Hadoop MapReduce技術(shù)解析
  6.1關(guān)于效率
  6.2關(guān)于擴展性
  6.3關(guān)于可靠性與可用性
  6.4關(guān)于與關(guān)系數(shù)據(jù)庫
  6.5關(guān)于適用的數(shù)據(jù)類型
  6.6關(guān)于數(shù)據(jù)存儲與管理
  2. Hadoop與關(guān)系數(shù)據(jù)庫
  2.1 MapReduce與關(guān)系數(shù)據(jù)庫
  2.2 Hive與MPP關(guān)系數(shù)據(jù)庫
• NoSQL實用教程
• 1.NoSQL理論基礎(chǔ)---CAP與BASE深入分析
  2.NoSQL實用教程
  2.1 HBase實用教程
  2.1.1 HBase原理
  2.1.2 HBase實用安裝部署要點
  2.1.3 HBase數(shù)據(jù)模型
  2.1.4 HBase索引與關(guān)聯(lián)的實現(xiàn)
  2.1.5 HBase使用
  2.1.6HBase性能調(diào)優(yōu)
  2.1.7 HBase高級設(shè)計教程---如何真正用好HBase
  2.1.8 HBase與關(guān)系數(shù)據(jù)庫結(jié)合
  3. NoSQL設(shè)計實例
  3.1 HBase實現(xiàn)全屬性查詢
  3.2 HBase實現(xiàn)時間序列數(shù)據(jù)管理
  3.3 HBase與MapReduce結(jié)合示例
  4. Facebook Cassandra介紹
  5.MongoDB介紹
  6.圖數(shù)據(jù)庫Neo4J介紹
• NoSQL技術(shù)分析
• 1. NoSQL技術(shù)手段總結(jié)
  1.1 水平分割
  1.2 數(shù)據(jù)副本與讀寫一致性
  1.3 In-Memory架構(gòu)
  1.4 MVCC
  1.5列存儲
  1.6 COW
  2. NoSQL技術(shù)解析
  2.1 關(guān)于水平擴展性
  2.2關(guān)于模式自由
  3. NoSQL與關(guān)系數(shù)據(jù)庫
  3.1 理論原則分析
  3.2 邏輯模型分析
  3.3 物理模型分析
  3.4 索引、事務(wù)與關(guān)聯(lián)
  3.5 使用場景定位
  3.6 企業(yè)數(shù)據(jù)體系定位
• Spark教程
• 1. Spark組成與體系架構(gòu)
  2. Spark原理
  3. Spark與Hadoop
  4. Scala簡介
  5. Spark技術(shù)流程
• 超越Hadoop
• 1. Hadoop技術(shù)體系的不足與尷尬
  2. 新技術(shù)介紹
  3. 互聯(lián)網(wǎng)技術(shù)體系介紹
  4. 數(shù)據(jù)管理技術(shù)發(fā)展趨勢分析
• 大數(shù)據(jù)技術(shù)實踐分享
• 1. 海量數(shù)據(jù)處理架構(gòu)設(shè)計
  2. 大數(shù)據(jù)驅(qū)動與企業(yè)業(yè)務(wù)/運營
  3. 實踐中的企業(yè)大數(shù)據(jù)分析技術(shù)流程
  3.1采集---各種方法的比較
  3.2存儲---原始數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)提取
  3.3模型---Web分析指標體系
  3.4分析---大數(shù)據(jù)分析方法
  3.5 行動---個性化推薦
  4. 大數(shù)據(jù)與企業(yè)交易
  5. 大數(shù)據(jù)與企業(yè)交互
  5. 自已設(shè)計大數(shù)據(jù)技術(shù)體系
• 大數(shù)據(jù)與企業(yè)新一代數(shù)據(jù)體系建設(shè)
• 1.傳統(tǒng)的以關(guān)系數(shù)據(jù)庫為主的企業(yè)數(shù)據(jù)架構(gòu)
  2.大數(shù)據(jù)時代的新一代企業(yè)數(shù)據(jù)邏輯架構(gòu)
  2.1 數(shù)據(jù)分類
  2.2 數(shù)據(jù)分布
  2.3 數(shù)據(jù)流轉(zhuǎn)
  2.4 數(shù)據(jù)集成
  2.5 數(shù)據(jù)交換
  2.6 數(shù)據(jù)分析
  2.7 應(yīng)用展示
  3. 新一代企業(yè)數(shù)據(jù)技術(shù)架構(gòu)
  3.1邏輯架構(gòu)
  3.2技術(shù)方法
  3.3物理平臺
  4. 新一代企業(yè)數(shù)據(jù)架構(gòu)中Hadoop/NoSQL與關(guān)系數(shù)據(jù)庫的相互配合
  5. 典型場景示例