课程介绍
本课程会介绍 Hadoop / Spark 各组件的架构，但不会涉及任何安装的内容，安装的教程、录像视频什么的网上到处都是，讲安装太浪费时间~ Hadoop/Spark环境的安装请大家自行解决，建议用Cloudera CDH或者Hortonworks HDP。
课程章节
本课程目标是：给大家分享一些在网上不能随便就搜到的内容和窍门，展示企业线上生产系统中应用 Hadoop、Spark 的成功案例，以及与现有企业BI平台整合的方案
第一周：企业级Hadoop/Spark应用概述，Hadoop/Spark生态系统与现有企业级应用的整合
- 企业级集群部署、数据管理、任务调度、集群监控
- Hadoop架构介绍、Spark / Shark 介绍
- Spark与Hadoop的关系
- 现有Hadoop架构的种种问题和限制，HA
- 企业数据仓库的选型，Hadoop世界与EDW世界中的TPC（TPC DS与TPC H）
- Hadoop世界中的DBA
- 成本考量 —— 人？物？物是人非……
第二周：Hadoop Eco System 进阶应用基础知识
- HDFS / MapReduce / Yarn / Hive / Impala / Oozie 进阶应用、资源分配及调优
- 玩转Hive ETL高级应用：权限管理、external table、partition、中文支持、HiveServer2 JDBC接口
- Hive的Windowing and Analytics Functions
- Hive 0.13的新功能
- Impala与Hive对比，各种Hints：Hive的Map Join，Impala的SHUFFLE Join（partitioned join）
第三周：进阶应用实例 — 物流/广告/电商/零售/互联网行业Hadoop大数据应用
- 企业级应用实例1：物流行业 — 订单跟踪
- Hive通过external table、partition、动态partition与NFS结合使用创建数据表，避免LOAD DATA
- Hive和Impala的Join优化Hints，MapJoin、Shuffle Join 实例
- 企业级应用实例2：广告行业 — 基于用户行为分析的用户归类标签 (客户画像)
- Hive复合数据类型array
- array与collect_set、collect_list、array_contains、sort_array
- impala的group_concat
- array与lateral view、LATERAL VIEW OUTER
- 企业级应用实例3：电商/零售行业 — 简单的推荐系统 Recommender System 实现 (基于用户标签/客户画像)
- Hive复合数据类型map、str_to_map、map_keys、map_values，map与lateral view
- 通过Hive、Impala转换函数进行数据保护，确保企业应用信息安全（通过translate进行简单数据脱敏Data Masking）
- HiveServer2 JDBC接口实例应用、中文支持Bug纠错
- Hive的窗口和分析函数入门（row_number、rank、dense_rank等）
- 企业级应用实例4：互联网行业 — 访问量业绩报表
- Hive的窗口和分析函数进阶（NTILE、CUME_DIST、PERCENT_RANK、LEAD、LAG、FIRST_VALUE、LAST_VALUE等）
- ROWS BETWEEN … AND … （CURRENT ROW，rows PRECEDING，rows FOLLOWING）
- 本周总结 —— 物流/广告/电商/零售/互联网行业Hadoop企业级大数据应用方案经验教训总结
第四周：Hadoop & Spark / Shark 进阶应用基础知识
- HBase / ZooKeeper / Sqoop / Graphite / Ganglia 进阶应用及调优，Spark / Spark SQL / Shark 简介
- HBase Shell 与 HBase REST API 应用
- HBase的Region进阶应用Compact、Split与Merge
- HBase进阶脚本应用：jruby script
- HBase与Hive的整合高级应用：binary(byte) value，lateral view explode
- Hive 0.13：posexplode
- Spark / Spark SQL / Shark 架构介绍、Spark Scala / Python 开发介绍
第五周：进阶应用实例 — Hadoop/Spark平台企业级开发框架
- Hadoop生态系统中为企业级开发提供的测试框架应用实例
- Spark实现“物流行业 — 订单跟踪 SLA”的实例，Scala语言及Python语言实现，Spark SQL + Parquet文件实现，Spark Scala Maven项目实例
- HBase开发实例：REST API使用、JRuby脚本编写、Region进阶应用
- 与Continuous Integration系统整合的可能
- —— 软件/互联网行业Hadoop企业级开发框架
第六周：Hadoop & Spark / Shark 企业级应用整合
- HBase与Hive整合的大坑
- HBase Python 客户端 happybase 使用介绍、编程实例
- HBase Coprocessor与HBase + Hive 特征特点比较、分别适用的场景
- 企业中应用 HBase，Hive，Impala，Spark / Shark 的注意事项，资源分配方案
- Hadoop与现有企业级BI平台的整合
- Pentaho PDI / Kettle
- Oracle or In-Memory Database
- MicroStrategy / Tableau
第七周：进阶应用实例 — Hadoop / Spark 企业级大数据BI应用整合
- 互联网行业时间序列(time series data)数据处理实例 —— 整合 HBase 与 Hive：增量数据与全量数据，冷数据与热数据分治
- 互联网行业时间序列(time series data)数据处理实例 —— 整合 Spark 与 HBase
- Spark 访问 HBase 数据实例：通过 Spark 对 HBase 表进行 scan，Scala语言处理 HBase 返回值 Result 类中 KeyValue 对象的 ByteBuffer / ByteArray
- 通过 Kettle / Spoon 工具整合Hadoop与现有RDBMS的企业级BI解决方案
- 其它整合Hadoop与RDBMS构建企业级BI应用平台的可能（如使用PostgreSQL FDW，使用Presto的JDBC connector等）
- —— 互联网行业Hadoop企业级大数据BI应用整合方案
第八周：总结与展望
- 企业级大数据应用总结
- 构建企业大数据团队探讨
- Hadoop方面工作面试秘籍：应用开发方向、数据分析方向、技术架构方向、团队带头人
- 现有几大Hadoop平台比较：Cloudera CDH，Hortonworks HDP，MapR
- Hadoop大数据还能干什么？通过Spark整合Streaming与Batch processing？
- 金融 / 工业 / 能源 / 智慧城市 / 医疗行业 / Smart Data
- 德国汽车、新能源行业的大数据创新项目分享
- 德国医疗行业大数据应用现状
- Hadoop大数据企业应用面临的问题
更多教程
教程不断整理更新中，以上截图仅供参考，如需了解更多视频教程的详细信息请到如下地址查看：
教程分类说明：https://itvideos.github.io/categories/
