班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
每個班級的人數限3到5人,互動授課, 保障效果,小班授課。 |
上間和地點 |
上部份地點:【上?!客瑵髮W(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】:電影大廈(地鐵一號線大劇院站)/深圳大學成教院【北京分部】:北京中山學院/福鑫大樓【南京分部】:金港大廈(和燕路)【武漢分部】:佳源大廈(高新二路)【成都分部】:領館區1號(中和大道)【沈陽分部】:沈陽理工大學/六宅臻品【鄭州分部】:鄭州大學/錦華大廈【石家莊分部】:河北科技大學/瑞景大廈 最近開間(周末班/連續班/晚班):2020年3月16日 |
實驗設備 |
◆小班教學,教學效果好 ☆注重質量☆邊講邊練 ☆合格學員免費推薦工作 ★實驗設備請點擊這兒查看★ |
質量保障 |
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?!詈细駥W員免費頒發相關工程師等資格證書,提升職業資質。專注高端技術培訓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。 |
部份程大綱 |
|
第1部份 實時計算當前應用
1.1 何為實時計算系統?
1.2 實時計算與日常生活
1.3 實時計算在日常工作
1.4 當前主流實時計算框架
1.4.1 Storm/Jstorm
1.4.2 Spark Streaming
1.4.3 底層技術
1.5 當前實時計算在企業應用
1.5.1 實時計算在一線互聯網企業
1.5.2 實時計算在傳統企業與初創企業
第2部份 構建屬于自己的輕量級實時計算框架
1.1 實時計算演變
1.1.1 簡易版
1.1.2 升級版
1.1.3 升級版應用案例
1.2 構建個人終極實時計算框架
1.2.1 總體邏輯架構
1.2.2 總體物理架構
1.2.3 要點難點
第3部份 實時計算框架—數據流實時接收篇
3.1 當前主流MQ
3.1.1 RabbitMQ
3.1.2 Kafka
3.2 實時數據流處理方式
3.2.1 單條
3.2.2 Mini- Batch
3.3 應用實例
實時接收新聞APP的用戶行為數據、入庫并同時更新用戶畫像標簽權重
第4部份 實時計算之底層服務通信
4.1 當然熱門RPC
4.1.1 Thrift
架構、數據類型、傳輸協議及傳輸和服務方式
分詞服務實例:Java-python
4.1.2 Avro
序列化/反序列化實例
RPC服務實例: java-2-java之helloworld
4.2 WebService
4.2.1 基于Jetty嵌入式的輕量級WebService實例
第5部份 實時計算框架——SpringBoot和資源管理Zookeeper
5.1 輕量級WebService: SpringBoot
簡介
SpringBoot VS SpringMVC
快速開發(base on Version1.5.9)
SpringBoot vs Jetty嵌入式WebService
實際項目演練
5.2 資源管理—zookeeper
簡介
Zk安裝啟動(base on Version3.4.11)
ZK之Web管理工具zkdash
客戶端Curator:CRUD及監聽
實際項目演練
第6部份 實時計算之任務調度及任務拆分獨立計算
6.1 任務調度
Linux Crontab
Quartz
JDK自身Timer
實際項目演練
6.1 任務拆分獨立計算
Map/Reduce
Fork/Join
Map/Reduce VS Fork/Join
實際項目演練
第7部份 實時計算框架之高可用及服務監控
7.1 服務高可用
7.1.1 QPS/TPS
7.1.2 異步并行執行
7.1.3 多級緩存
7.1.4 Shard/replica
7.2 服務監控
7.2.1 服務所在硬件監控
7.2.2 服務實時健康狀況監控
7.2.3 服務降級
第8部份 實時計算框架之緩存篇
8.1 網絡緩存:
8.1 Redis/ssdb/memcachedb
8.2 Redis4.0安裝及新特性
8.3 Redis客戶端使用
8.2 本地緩存:
8.2.1 GuavaCache
緩存清理策略
兩種使用方式
8.2.2 MapDB簡介及使用
第9部份 個性化推薦系統之常用算法
9.1 內容相似
9.1.1 常用分詞器
9.1.2 內容相似算法
9.2 關聯規則
9.3 協同過濾: UserCF和ItemCF
9.4 知識圖譜
9.4.1 前世今生
9.4.2 Neo4J
9.4.3 OrientDB
9.5 主題模型
9.5.1 詞義擴展:w2v、 d2v
9.5.2 層級聚類
第10部份 深度學習DLJ和用戶畫像
10.1 深度學習框架DL4J
10.1.1 簡介及Java使用
10.1.2 模型訓練:w2v和d2v
10.1.3 使用訓練好的模型:w2v和d2v
10.2 用戶畫像組成
10.2.1 用戶畫像直觀形象
10.2.2 不同維度看待
10.2.3 畫像存儲
第11部份 個性化推薦之用戶畫像實時更新
11.1 用戶實時推薦服務
11.1.1 user-feature
11.1.2 doc-feature
11.1.3 二次排序
11.2 用戶畫像實時更新流程
11.2.1 正負反饋
11.2.2 時間衰減:牛頓冷卻定理
11.2.2 實時興趣標簽權重更新
第12部份 高可用搜索服務系統之索引篇
12.1 ES vs Solr
12.1.1 DBEngines排名比較
12.1.2 綜合比較
12.2 ES6.X介紹
xpack
head
bigdesk
new feature
12.2 海量索引拆分:背景及解決方案
12.3 多集群索引雙寫同步
第13部份 高可用搜索服務系統之查詢篇
13.1 高可用搜索服務
ES集群健康狀況監測
雙ES集群互備
搜索服務之雙讀
索引拆分后高效使用
13.2 個性化搜索
條件過濾查詢
關鍵詞檢索、結合知識圖譜
個性化搜索:相同搜索條件,不同返回結果
實時計算用戶畫像
|