公開課以「Skill Transfer(技能傳授)」為宗旨,秉承諮詢式培訓理念。圍繞團隊管理、架構設計、測試管理、設計匠藝、 產品創新等主題,在數十個熱點城市,以小型培訓、動手實驗等公開課的形式向客戶提供,您可以根據我們每年安排的 公開課排課計劃,選擇您研發團隊所需的課程模塊。
福利：通過微信報名3人以下享受9折優惠；3人以上（含3人）報名享受8折優惠。
大數據（Hadoop、Spark、NoSQL等）的技術與實踐
講師介紹：北京大學博士後，第一屆中國軟體業十大傑出青年候選人。專著《不是三維——軟體項目的設計、開發與管理》與《消息設計與開發：分布式應用開發的核心技術》作者。
雲計算數據基礎設施倡導者與研究者，第十六屆世界計算機大會電子商務大會數據管理分會主席，中國青年科技工作者協會第二屆會員，中小企業創新基金評審專家，中國軟體技術大會特邀講師。
現從事雲計算，NoSQL與大數據，企業IT架構、企業數據架構以及信息系統設計開發等方面的研究與實踐工作，涉及金融、電信及政府等多個行業。
曾任空間信息領域教師，獲福建省，山東省引進高級人才計劃。1992年起從事軟體的設計、開發與管理工作，自2002年起，在北美從事軟體系統分析與設計工作近七年之久，迄今為止，共負責、參與國內外大中型軟體項目20多項，歷任中國大中型IT企業總工程師，技術管理部部長，事業部副總經理，BI首席架構師，軟體開發總監及雲計算與大數據首席架構師等職。共在國內外發表科技論文30餘篇，多篇獲獎，並被美國《工程索引》EI檢索6篇。
相對於其它專注於培訓大數據技術的課程，本課程有如下特點：
1、除了對各種大數據技術本身的原理、設計與使用方法進行全面深入的講解以外，更重要的是對各種技術的本質與特點進行了深入的分析、比較與討論，從而使學員對各種技術的真正適用場景能客觀準確的判斷；
2、結合企業實際對大數據的概念進行了明確的澄清；
3、結合企業應用實際，介紹了各種大數據技術具體定位與應用規劃與方法。
通過該課程學習，洞悉Hadoop，NoSQL與Spark等技術的原理、架構與技術手段；結合豐富實例掌握其設計與開發方法，以及掌握如軟體架構、性能調優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、缺點與正確適用場景，了解技術最新發展動向，能對Hadoop，NoSQL與Spark體系在學員企業、學員項目、學員研發中是否可用、如何定位以及如何使用做出正確判斷與學習，並且對如何結合大數據技術規劃企業數據架構得到相當的啟發與收穫。
企業中高層技術管理人員、企業技術戰略決策者、軟體架構師、軟體研發人員與大數據技術愛好者，有大數據及海量數據管理與處理需求的企業優先。
企業數據架構基礎知識；數據管理基礎知識；關係資料庫的操作與實踐；大數據概念了解。
主題
內容
大數據時代關係資料庫的挑戰與應對
1. 現代數據管理技術綜述
2. 關係資料庫技術的核心特徵
3.主流關係資料庫的挑戰
4. 改進型關係資料庫
大數據技術綜述
1. 大數據概念澄清
2. 大數據技術家族
3. NoSQL技術綜述
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圖形資料庫Neo4j
4. MapReduce
5.關係資料庫聯邦
6.海量分布式文件系統
7大數據技術理論基礎
CAP，BASE，ACID
Hadoop實用教程
1. Hadoop技術概論
1.1 Hadoop體系架構總論
1.2 HDFS-工作原理與架構
1.3 平民化的分布式計算MapReduce
1.4 MapReduce工作原理與架構
1.5 Hadoop數據倉庫-Hive
1.6 Hadoop NoSQL資料庫-HBase
1.7 工作流調度-Ooize
1.8 分布式協調系統--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安裝文件構成與配置體系
2.4 機器硬體建議配置
2.5 系統環境配置
2.6 基本參數配置與說明
2.7 進程分布規劃與啟動
3. 分布式文件系統HDFS實用教程
3.1 HDFS操作
3.2 HDFS編程—文件讀寫
3.3 HDFS數據壓縮
3.4 HDFS技術要點
4. MapReduce實用教程
4.1 MapReduce原理與架構
4.2 MapReduce編程方法
4.3 MapReduce實用技術要點
4.4 MapReduce排序與關聯
4.5 MapReduce工作流
4.6 MapReduce調優
5. MapReduce2.0-YARN
5.1 YARN的原理
5.2 YARN設計架構
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高級數據分析（時間允許時）
7. Hadoop數據倉庫Hive
7.1 Hive編程
7.2 Hive環境部署與搭建
7.3 Hive工作機制
7.4 Hive語法與實踐
8. 其它ZooKeeper，Sqoop，Chukwa，Avro……
Hadoop技術分析
1. Hadoop MapReduce技術解析
6.1關於效率
6.2關於擴展性
6.3關於可靠性與可用性
6.4關於與關係資料庫
6.5關於適用的數據類型
6.6關於數據存儲與管理
2. Hadoop與關係資料庫
2.1 MapReduce與關係資料庫
2.2 Hive與MPP關係資料庫
NoSQL實用教程
1.NoSQL理論基礎---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數據模型
2.1.4 HBase索引與關聯的實現
2.1.5 HBase使用
2.1.6HBase性能調優
2.1.7 HBase高級設計教程---如何真正用好HBase
2.1.8 HBase與關係資料庫結合
3. NoSQL設計實例
3.1 HBase實現全屬性查詢
3.2 HBase實現時間序列數據管理
3.3 HBase與MapReduce結合示例
4. Facebook Cassandra介紹
5.MongoDB介紹
6.圖資料庫Neo4J介紹
NoSQL技術分析
1. NoSQL技術手段總結
1.1 水平分割
1.2 數據副本與讀寫一致性
1.3 In-Memory架構
1.4 MVCC
1.5列存儲
1.6 COW
2. NoSQL技術解析
2.1 關於水平擴展性
2.2關於模式自由
3. NoSQL與關係資料庫
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、事務與關聯
3.5 使用場景定位
3.6 企業數據體系定位
Spark教程
1. Spark組成與體系架構
2. Spark原理
3. Spark與Hadoop
4. Scala簡介
5. Spark技術流程
超越Hadoop
1. Hadoop技術體系的不足與尷尬
2. 新技術介紹
3. 網際網路技術體系介紹
4. 數據管理技術發展趨勢分析
大數據技術實踐分享
1. 海量數據處理架構設計
2. 大數據驅動與企業業務/運營
3. 實踐中的企業大數據分析技術流程
3.1採集---各種方法的比較
3.2存儲---原始數據與業務數據提取
3.3模型---Web分析指標體系
3.4分析---大數據分析方法
3.5 行動---個性化推薦
4. 大數據與企業交易
5. 大數據與企業交互
5. 自已設計大數據技術體系
大數據與企業新一代數據體系建設
1.傳統的以關係資料庫為主的企業數據架構
2.大數據時代的新一代企業數據邏輯架構
2.1 數據分類
2.2 數據分布
2.3 數據流轉
2.4 數據集成
2.5 數據交換
2.6 數據分析
2.7 應用展示
3. 新一代企業數據技術架構
3.1邏輯架構
3.2技術方法
3.3物理平臺
4. 新一代企業數據架構中Hadoop/NoSQL與關係資料庫的相互配合
5. 典型場景示例
（課程內容詳情請點擊「閱讀原文」即可前往官網查看。）
我是架構師