深圳大數(shù)據(jù)云計(jì)算系統(tǒng)架構(gòu)師高級(jí)課程

【課程內(nèi)容】

階段一、大數(shù)據(jù)、云計(jì)算-Hadoop大數(shù)據(jù)開(kāi)發(fā)技術(shù)

課程一、大數(shù)據(jù)運(yùn)維之Linux基礎(chǔ)

本部分是基礎(chǔ)課程，幫大家進(jìn)入大數(shù)據(jù)領(lǐng)域打好Linux基礎(chǔ)，以便更好地學(xué)習(xí)Hadoop，hbase,NoSQL，Spark，Storm，docker,openstack等眾多課程。因?yàn)槠髽I(yè)中的項(xiàng)目基本上都是使用Linux環(huán)境下搭建或部署的。

1）Linux系統(tǒng)概述

2）系統(tǒng)安裝及相關(guān)配置

3）Linux網(wǎng)絡(luò)基礎(chǔ)

4）OpenSSH實(shí)現(xiàn)網(wǎng)絡(luò)安全連接

5）vi文本編輯器

6）用戶和用戶組管理

7）磁盤(pán)管理

8）Linux文件和目錄管理

9）Linux終端常用命令

10）linux系統(tǒng)監(jiān)測(cè)與維護(hù)

課程二、大數(shù)據(jù)開(kāi)發(fā)核心技術(shù)-Hadoop2.x從入門(mén)到精通本課程是整套大數(shù)據(jù)課程的基石：其一，分布式文件系統(tǒng)HDFS用于存儲(chǔ)海量數(shù)據(jù)，無(wú)論是Hive、HBase或者Spark數(shù)據(jù)存儲(chǔ)在其上面；其二是分布式資源管理框架YARN，是Hadoop云操作系統(tǒng)（也稱數(shù)據(jù)系統(tǒng)），管理集群資源和分布式數(shù)據(jù)處理框架MapReduce、Spark應(yīng)用的資源調(diào)度與監(jiān)控；分布式并行計(jì)算框架MapReduce目前是海量數(shù)據(jù)并行處理的一個(gè)常用的框架。Hadoop2.x的編譯、環(huán)境搭建、HDFSShell使用，YARN集群資源管理與任務(wù)監(jiān)控，MapReduce編程，分布式集群的部署管理（包括高可用性HA）必須要掌握的。

一、初識(shí)Hadoop2.x

1）大數(shù)據(jù)應(yīng)用發(fā)展、前景

2）Hadoop2.x概述及生態(tài)系統(tǒng)

3）Hadoop2.x環(huán)境搭建與測(cè)試

二、深入Hadoop2.x

1）HDFS文件系統(tǒng)的架構(gòu)、功能、設(shè)計(jì)

2）HDFSJavaAPI使用

3）YARN架構(gòu)、集群管理、應(yīng)用監(jiān)控

4）MapReduce編程模型、Shuffle過(guò)程、編程調(diào)優(yōu)

三、Hadoop2.x

1）分布式部署Hadoop2.x

2）分布式協(xié)作服務(wù)框架Zookeeper

3）HDFSHA架構(gòu)、配置、測(cè)試

4）HDFS2.x中特性

5）YARNHA架構(gòu)、配置

6）Hadoop主要發(fā)行版本（CDH、HDP、Apache）

四、實(shí)戰(zhàn)應(yīng)用

1）以“遠(yuǎn)標(biāo)教育用戶瀏覽日志”數(shù)據(jù)進(jìn)行實(shí)際的分析2）原數(shù)據(jù)采集3）數(shù)據(jù)的預(yù)處理（ETL）4）數(shù)據(jù)的分析處理（MapReduce）

課程三、大數(shù)據(jù)開(kāi)發(fā)核心技術(shù)-大數(shù)據(jù)倉(cāng)庫(kù)Hive精講hive是基于Hadoop的一個(gè)數(shù)據(jù)倉(cāng)庫(kù)工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫(kù)表，并提供簡(jiǎn)單的sql查詢功能，可以將sql語(yǔ)句轉(zhuǎn)換為MapReduce任務(wù)進(jìn)行運(yùn)行。其優(yōu)點(diǎn)是學(xué)習(xí)成本低，可以通類SQL語(yǔ)句快速實(shí)現(xiàn)簡(jiǎn)單的MapReduce統(tǒng)計(jì)，不必開(kāi)發(fā)專門(mén)的MapReduce應(yīng)用，十分適合數(shù)據(jù)倉(cāng)庫(kù)的統(tǒng)計(jì)分析。

一、Hive初識(shí)入門(mén)

1）Hive功能、體系結(jié)構(gòu)、使用場(chǎng)景

2）Hive環(huán)境搭建、初級(jí)使用

3）Hive原數(shù)據(jù)配置、常見(jiàn)交互方式

二、Hive深入使用

1）Hive中的內(nèi)部表、外部表、分區(qū)表

2）Hive數(shù)據(jù)遷移

3）Hive常見(jiàn)查詢（select、where、distinct、join、groupby）

4）Hive內(nèi)置函數(shù)和UDF編程

三、Hive進(jìn)階

1）Hive數(shù)據(jù)的存儲(chǔ)和壓縮

2）Hive常見(jiàn)優(yōu)化（數(shù)據(jù)傾斜、壓縮等）

四、結(jié)合“遠(yuǎn)標(biāo)教育用戶瀏覽日志”實(shí)際案例分析

1）依據(jù)業(yè)務(wù)設(shè)計(jì)表

2）數(shù)據(jù)清洗、導(dǎo)入（ETL）

3）使用HiveQL，統(tǒng)計(jì)常見(jiàn)的網(wǎng)站指標(biāo)

課程四、大數(shù)據(jù)協(xié)作框架-Sqoop/Flume/Oozieo精講Sqoop是一款開(kāi)源的工具，主要用于在Hadoop(Hive)與傳統(tǒng)的數(shù)據(jù)庫(kù)(mysql、postgresql...)間進(jìn)行數(shù)據(jù)的傳遞，可以將一個(gè)關(guān)系型數(shù)據(jù)庫(kù)（例如：MySQL,Oracle,Postgres等）中的數(shù)據(jù)導(dǎo)進(jìn)到關(guān)系型數(shù)據(jù)庫(kù)中。Sqoop項(xiàng)目開(kāi)始于2009年，早是作為Hadoop的一個(gè)第三方模塊存在，后來(lái)為了讓使用者能夠快速部署，也為了讓開(kāi)發(fā)人員能夠更快速的迭代開(kāi)發(fā)，Sqoop獨(dú)立成為一個(gè)Apache項(xiàng)目。

一、數(shù)據(jù)轉(zhuǎn)換工具Sqoop

1）Sqoop功能、使用原則

2）將RDBMS數(shù)據(jù)導(dǎo)入Hive表中（全量、增量）

3）將HDFS上文件導(dǎo)出到RDBMS表中

二、文件收集框架Flume

1）Flume設(shè)計(jì)架構(gòu)、原理（三大組件）

2）Flume初步使用，實(shí)時(shí)采集數(shù)據(jù)

3）如何使用Flume監(jiān)控文件夾數(shù)據(jù)，實(shí)時(shí)采集錄入HDFS中4）任務(wù)調(diào)度框架Oozie

三、Oozie功能、安裝部署

1）使用Oozie調(diào)度MapReduceJob和HiveQL

2）定時(shí)調(diào)度任務(wù)使用

課程五、大數(shù)據(jù)Web開(kāi)發(fā)框架-大數(shù)據(jù)WEB工具Hue精講Hue是一個(gè)開(kāi)源的ApacheHadoopUI系統(tǒng)，早是由ClouderaDesktop演化而來(lái)，由Cloudera貢獻(xiàn)給開(kāi)源社區(qū)，它是基于PythonWeb框架Django實(shí)現(xiàn)的。通過(guò)使用Hue我們可以在瀏覽器端的Web控制臺(tái)上與Hadoop集群進(jìn)行交互來(lái)分析處理數(shù)據(jù)，例如操作HDFS上的數(shù)據(jù)，運(yùn)行MapReduceJob等等。

1）Hue架構(gòu)、功能、編譯

2）Hue集成HDFS

3）Hue集成MapReduce

4）Hue集成Hive、DataBase

5）Hue集成Oozie

課程六、大數(shù)據(jù)核心開(kāi)發(fā)技術(shù)-分布式數(shù)據(jù)庫(kù)HBase從入門(mén)到精通HBase是一個(gè)分布式的、面向列的開(kāi)源數(shù)據(jù)庫(kù)，該技術(shù)來(lái)源于FayChang所撰寫(xiě)的Google論文“Bigtable：一個(gè)結(jié)構(gòu)化數(shù)據(jù)的分布式存儲(chǔ)系統(tǒng)”。HBase在Hadoop之上提供了類似于Bigtable的能力，是一個(gè)高可靠性、高性能、面向列、可伸縮的分布式存儲(chǔ)系統(tǒng)，利用HBase技術(shù)可在廉價(jià)PCServer上搭建起大規(guī)模結(jié)構(gòu)化存儲(chǔ)集群

一、HBase初窺使用

1）HBase是什么、發(fā)展、與RDBMS相比優(yōu)勢(shì)、企業(yè)使用

2）HBaseSchema、表的設(shè)計(jì)

3）HBase環(huán)境搭建、shell初步使用（CRUD等）

二、HBase深入使用

1）HBase數(shù)據(jù)存儲(chǔ)模型

2）HBaseJavaAPI使用（CRUD、SCAN等）

3）HBase架構(gòu)深入剖析

4）HBase與MapReduce集成、數(shù)據(jù)導(dǎo)入導(dǎo)出

三、HBase使用

1）如何設(shè)計(jì)表、表的預(yù)分區(qū)（依據(jù)具體業(yè)務(wù)分析講解）

2）HBase表的常見(jiàn)屬性設(shè)置（結(jié)合企業(yè)實(shí)際）

3）HBaseAdmin操作（JavaAPI、常見(jiàn)命令）

四、“遠(yuǎn)標(biāo)教育用戶瀏覽日志”進(jìn)行分析

1）依據(jù)需求設(shè)計(jì)表、創(chuàng)建表、預(yù)分區(qū)

2）進(jìn)行業(yè)務(wù)查詢分析

3）對(duì)于密集型讀和密集型寫(xiě)進(jìn)行HBase參數(shù)調(diào)優(yōu)

課程七、大數(shù)據(jù)核心開(kāi)發(fā)技術(shù)-Storm實(shí)時(shí)數(shù)據(jù)處理

Storm是Twitter開(kāi)源的分布式實(shí)時(shí)大數(shù)據(jù)處理框架，被業(yè)界稱為實(shí)時(shí)版Hadoop。隨著越來(lái)越多的場(chǎng)景對(duì)Hadoop的MapReduce高延遲無(wú)法容忍，比如網(wǎng)站統(tǒng)計(jì)、推薦系統(tǒng)、預(yù)警系統(tǒng)、金融系統(tǒng)(高頻交易、股票)等等，大數(shù)據(jù)實(shí)時(shí)處理解決方案（流計(jì)算）的應(yīng)用日趨廣泛，目前已是分布式技術(shù)領(lǐng)域新爆發(fā)點(diǎn)，而Storm更是流計(jì)算技術(shù)中的佼佼者和主流。按照storm作者的說(shuō)法，Storm對(duì)于實(shí)時(shí)計(jì)算的意義類似于Hadoop對(duì)于批處理的意義。Hadoop提供了map、reduce原語(yǔ)，使我們的批處理程序變得簡(jiǎn)單和高效。同樣，Storm也為實(shí)時(shí)計(jì)算提供了一些簡(jiǎn)單高效的原語(yǔ)，而且Storm的Trident是基于Storm原語(yǔ)更的抽象框架，類似于基于Hadoop的Pig框架，讓開(kāi)發(fā)更加便利和高效。本課程會(huì)深入、全面的講解Storm，并穿插企業(yè)場(chǎng)景實(shí)戰(zhàn)講述Storm的運(yùn)用。淘寶雙11的大屏幕實(shí)時(shí)監(jiān)控效果沖擊了整個(gè)IT界，業(yè)界為之驚嘆的同時(shí)更是引起對(duì)該技術(shù)的探索。學(xué)完本課程你可以自己開(kāi)發(fā)升級(jí)版的“淘寶雙11”，還等什么？

1）Storm簡(jiǎn)介和課程介紹

2）Storm原理和概念詳解

3）Zookeeper集群搭建及基本使用

4）Storm集群搭建及測(cè)試

5）API簡(jiǎn)介和入門(mén)案例開(kāi)發(fā)

6）Spout的Tail特性、storm-starter及maven使用、Grouping策略

7）實(shí)例講解Grouping策略及并發(fā)

8）并發(fā)度詳解、案例開(kāi)發(fā)（高并發(fā)運(yùn)用）

9）案例開(kāi)發(fā)——計(jì)算網(wǎng)站PV，通過(guò)2種方式實(shí)現(xiàn)匯總型計(jì)算。

10）案例優(yōu)化引入Zookeeper鎖控制線程操作

11）計(jì)算網(wǎng)站UV(去重計(jì)算模式)

12）“運(yùn)維”集群統(tǒng)一啟動(dòng)和停止shell腳本開(kāi)發(fā)

13）Storm事務(wù)工作原理深入講解14）Storm事務(wù)API及案例分析

15）Storm事務(wù)案例實(shí)戰(zhàn)之ITransactionalSpout

16）Storm事務(wù)案例升級(jí)之按天計(jì)算

17）Storm分區(qū)事務(wù)案例實(shí)戰(zhàn)

18）Storm不透明分區(qū)事務(wù)案例實(shí)戰(zhàn)

19）DRPC精解和案例分析

20）StormTrident入門(mén)

21）TridentAPI和概念

22）StormTrident實(shí)戰(zhàn)之計(jì)算網(wǎng)站PV

23）ITridentSpout、FirstN(取TopN)實(shí)現(xiàn)、流合并和Join

24）StormTrident之函數(shù)、流聚合及核心概念State

25）StormTrident綜合實(shí)戰(zhàn)一（基于HBase的State）

26）StormTrident綜合實(shí)戰(zhàn)二

27）StormTrident綜合實(shí)戰(zhàn)三

28）Storm集群和作業(yè)監(jiān)控告警開(kāi)發(fā)

課程八、Spark技術(shù)實(shí)戰(zhàn)之基礎(chǔ)篇-Scala語(yǔ)言從入門(mén)到精通

為什么要學(xué)習(xí)Scala？源于Spark的流行，Spark是當(dāng)前流行的開(kāi)源大數(shù)據(jù)內(nèi)存計(jì)算框架，采用Scala語(yǔ)言實(shí)現(xiàn)，各大公司都在使用Spark：IBM宣布**大力推進(jìn)ApacheSpark項(xiàng)目，并稱該項(xiàng)目為：在以數(shù)據(jù)為主導(dǎo)的，未來(lái)十年為重要的新的開(kāi)源項(xiàng)目。這一**的核心是將Spark嵌入IBM業(yè)內(nèi)的分析和商務(wù)平臺(tái)，Scala具有數(shù)據(jù)處理的天然優(yōu)勢(shì)，Scala是未來(lái)大數(shù)據(jù)處理的主流語(yǔ)言

1)kafka是什么

2)kafka體系結(jié)構(gòu)

3)kafka配置詳解

4)kafka的安裝

5)kafka的存儲(chǔ)策略

6)kafka分區(qū)特點(diǎn)

7)kafka的發(fā)布與訂閱

8)java編程操作kafka

9)scala編程操作kafka

10)flume和kafka的整合

11)Kafka和storm的整合

課程九、大數(shù)據(jù)核心開(kāi)發(fā)技術(shù)-內(nèi)存計(jì)算框架Spark精講

Spark是UCBerkeleyAMPlab所開(kāi)源的類HadoopMapReduce的通用并行框架，Spark，擁有HadoopMapReduce所具有的優(yōu)點(diǎn)。啟用了內(nèi)存分布數(shù)據(jù)集，除了能夠提供交互式查詢外，它還可以優(yōu)化迭代工作負(fù)載。SparkStreaming:構(gòu)建在Spark上處理Stream數(shù)據(jù)的框架，基本的原理是將Stream數(shù)據(jù)分成小的時(shí)間片斷

（幾秒），以類似batch批量處理的方式來(lái)處理這小部分?jǐn)?shù)據(jù)

1）Spark初識(shí)入門(mén)

2）Spark概述、生態(tài)系統(tǒng)、與MapReduce比較

3）Spark編譯、安裝部署（StandaloneMode）及測(cè)試

4）Spark應(yīng)用提交工具（spark-submit，spark-shell）

5）Scala基本知識(shí)講解（變量，類，高階函數(shù)）

6）Spark核心RDD

7）RDD特性、常見(jiàn)操作、緩存策略

8）RDDDependency、Stage常、源碼分析

9）Spark核心組件概述

10）案例分析

11）Spark高階應(yīng)用

12）SparkonYARN運(yùn)行原理、運(yùn)行模式及測(cè)試

13）SparkHistoryServer歷史應(yīng)用監(jiān)控

14）SparkStreaming流式計(jì)算

15）SparkStreaming原理、DStream設(shè)計(jì)

16）SparkStreaming常見(jiàn)input、out

17）SparkStreaming與Kafka集成

18）使用Spark對(duì)“遠(yuǎn)標(biāo)教育用戶瀏覽日志”進(jìn)行分析

課程十、大數(shù)據(jù)核心開(kāi)發(fā)技術(shù)-Spark深入剖析

本課程主要講解目前大數(shù)據(jù)領(lǐng)域熱門(mén)、火爆、有前景的技術(shù)——Spark。在本課程中，會(huì)從淺入深，基于大量案例實(shí)戰(zhàn)，深度剖析和講解Spark，并且會(huì)包含

完全從企業(yè)真實(shí)復(fù)雜業(yè)務(wù)需求中抽取出的案例實(shí)戰(zhàn)。課程會(huì)涵蓋Scala編程詳解、Spark核心編程、SparkSQL和SparkStreaming、Spark內(nèi)核以及源碼剖析、

性能調(diào)優(yōu)、企業(yè)級(jí)案例實(shí)戰(zhàn)等部分

1）Scala編程、Hadoop與Spark集群搭建、Spark核心編程、Spark內(nèi)核源碼深度剖析、Spark性能調(diào)優(yōu)、SparkSQL、SparkStreaming

2）Spark源碼剖析

3）基于排序的wordcount，Spark二次排序，Spark分組取topn，DataFrame與RDD的兩種轉(zhuǎn)換方式，SparkSQL的內(nèi)置函數(shù)、開(kāi)窗函數(shù)、UDF、UDAF，SparkStreaming的KafkaDirectAPI、updateStateByKey、transform、滑動(dòng)窗口、foreachRDD性能優(yōu)化、與SparkSQL整合使用、持久化、checkpoint、容錯(cuò)與事務(wù)

4）項(xiàng)目實(shí)戰(zhàn)：多個(gè)從企業(yè)實(shí)際需求抽取出的復(fù)雜案例實(shí)戰(zhàn)：每日uv和銷售額統(tǒng)計(jì)案例、top3熱賣商品統(tǒng)計(jì)案例、每日top3熱點(diǎn)搜索詞統(tǒng)計(jì)、廣

告計(jì)費(fèi)日志實(shí)時(shí)黑名單過(guò)濾案例、熱點(diǎn)搜索詞滑動(dòng)統(tǒng)計(jì)案例、top3熱門(mén)商品實(shí)時(shí)統(tǒng)計(jì)案例

課程十一、企業(yè)大數(shù)據(jù)平臺(tái)應(yīng)用

本階段主要就之前所學(xué)內(nèi)容完成大數(shù)據(jù)相關(guān)企業(yè)場(chǎng)景與解決方案的剖析應(yīng)用及結(jié)合一個(gè)電子商務(wù)平臺(tái)進(jìn)行實(shí)戰(zhàn)分析，主要包括有：企業(yè)大數(shù)據(jù)平臺(tái)概述、搭建企業(yè)

大數(shù)據(jù)平臺(tái)、真實(shí)服務(wù)器手把手環(huán)境部署、使用CM5.3.x管理CDH5.3.x集群

1）企業(yè)大數(shù)據(jù)平臺(tái)概述

2）大數(shù)據(jù)平臺(tái)基本組件

3）Hadoop發(fā)行版本、比較、選擇

4）集群環(huán)境的準(zhǔn)備（系統(tǒng)、基本配置、規(guī)劃等）

5）搭建企業(yè)大數(shù)據(jù)平臺(tái)

6）以實(shí)際企業(yè)項(xiàng)目需求為依據(jù)，搭建平臺(tái)

7）需求分析（主要業(yè)務(wù)）

8）框架選擇（Hive\HBase\Spark等）

9）真實(shí)服務(wù)器手把手環(huán)境部署

10）安裝ClouderaManager5.3.x

11）使用CM5.3.x安裝CDH5.3.x

12）如何使用CM5.3.x管理CDH5.3.x集群

13）基本配置，優(yōu)化

14）基本性能測(cè)試

15）各個(gè)組件如何使用

課程十二、項(xiàng)目實(shí)戰(zhàn)：驢媽媽旅游網(wǎng)大型離線數(shù)據(jù)電商分析平臺(tái)

離線數(shù)據(jù)分析平臺(tái)是一種利用hadoop集群開(kāi)發(fā)工具的一種方式，主要作用是幫助公司對(duì)網(wǎng)站的應(yīng)用有一個(gè)比較好的了解。尤其是在電商、旅游、銀行、證券、游戲

等領(lǐng)域有非常廣泛，因?yàn)檫@些領(lǐng)域?qū)?shù)據(jù)和用戶的特性把握要求比較高，所以對(duì)于離線數(shù)據(jù)的分析就有比較高的要求了。本課程講師本人之前在游戲、旅游等公司

專門(mén)從事離線數(shù)據(jù)分析平臺(tái)的搭建和開(kāi)發(fā)等，通過(guò)此項(xiàng)目將所有大數(shù)據(jù)內(nèi)容貫穿，并前后展示！

1）Flume、Hadoop、Hbase、Hive、Oozie、Sqoop、離線數(shù)據(jù)分析，SpringMVC，Highchat

2）Flume+Hadoop+Hbase+SpringMVC+MyBatis+MySQL+Highcharts實(shí)現(xiàn)的電商離線數(shù)據(jù)分析

3）日志收集系統(tǒng)、日志分析、數(shù)據(jù)展示設(shè)計(jì)

課程十三、項(xiàng)目實(shí)戰(zhàn)：基于1號(hào)店的電商實(shí)時(shí)數(shù)據(jù)分析系統(tǒng)

課程基于1號(hào)店的業(yè)務(wù)及數(shù)據(jù)進(jìn)行設(shè)計(jì)和講解的，主要涉及

1、課程中完整開(kāi)發(fā)3個(gè)Storm項(xiàng)目，均為企業(yè)實(shí)際項(xiàng)目，其中一個(gè)是完全由StormTrident開(kāi)發(fā)。項(xiàng)目源碼均可以直接運(yùn)行，也可直接用于商用或企業(yè)。

2、每個(gè)技術(shù)均采用新穩(wěn)定版本，學(xué)完后會(huì)員可以從Kafka到Storm項(xiàng)目開(kāi)發(fā)及HighCharts圖表開(kāi)發(fā)一個(gè)人搞定！讓學(xué)員身價(jià)劇增！

3、搭建CDH5生態(tài)環(huán)境完整平臺(tái)，且采用ClouderaManager界面化管理CDH5平臺(tái)。讓Hadoop平臺(tái)環(huán)境搭建和維護(hù)都變得輕而易舉。

4、分享實(shí)際項(xiàng)目的架構(gòu)設(shè)計(jì)、優(yōu)劣分析和取舍、經(jīng)驗(yàn)技巧，陡直提升學(xué)員的經(jīng)驗(yàn)值

1）全面掌握Storm完整項(xiàng)目開(kāi)發(fā)思路和架構(gòu)設(shè)計(jì)

2）掌握StormTrident項(xiàng)目開(kāi)發(fā)模式

3）掌握Kafka運(yùn)維和API開(kāi)發(fā)、與Storm接口開(kāi)發(fā)

4）掌握HighCharts各類圖表開(kāi)發(fā)和實(shí)時(shí)無(wú)刷新加載數(shù)據(jù)

5）熟練搭建CDH5生態(tài)環(huán)境完整平臺(tái)

6）靈活運(yùn)用HBase作為外部存儲(chǔ)

7）可以做到以一己之力完成從后臺(tái)開(kāi)發(fā)（Storm、Kafka、Hbase開(kāi)發(fā)）

到前臺(tái)HighCharts圖表開(kāi)發(fā)、Jquery運(yùn)用等，所有工作一個(gè)人搞定！

可以一個(gè)人搞定淘寶雙11大屏幕項(xiàng)目！

課程十四、項(xiàng)目實(shí)戰(zhàn)：基于某團(tuán)購(gòu)網(wǎng)的大型離線電商數(shù)據(jù)分析平臺(tái)

本項(xiàng)目使用了Spark技術(shù)生態(tài)棧中常用的三個(gè)技術(shù)框架，SparkCore、SparkSQL和SparkStreaming，進(jìn)行離線計(jì)算和實(shí)時(shí)計(jì)算業(yè)務(wù)模塊的開(kāi)發(fā)。實(shí)現(xiàn)了包括用

戶訪問(wèn)session分析、頁(yè)面單跳轉(zhuǎn)化率統(tǒng)計(jì)、熱門(mén)商品離線統(tǒng)計(jì)、廣告點(diǎn)擊流量實(shí)時(shí)統(tǒng)計(jì)4個(gè)業(yè)務(wù)模塊。過(guò)合理的將實(shí)際業(yè)務(wù)模塊進(jìn)行技術(shù)整合與改造，該項(xiàng)目完全

涵蓋了SparkCore、SparkSQL和SparkStreaming這三個(gè)技術(shù)框架中幾乎所有的功能點(diǎn)、知識(shí)點(diǎn)以及性能優(yōu)化點(diǎn)。僅一個(gè)項(xiàng)目，即可全面掌握Spark技術(shù)在實(shí)際項(xiàng)

目中如何實(shí)現(xiàn)各種類型的業(yè)務(wù)需求！在項(xiàng)目中，重點(diǎn)講解了實(shí)際企業(yè)項(xiàng)目中積累下來(lái)的寶貴的性能調(diào)優(yōu)、troubleshooting以及數(shù)據(jù)傾斜解決方案等知識(shí)和技術(shù)

1）真實(shí)還原完整的企業(yè)級(jí)大數(shù)據(jù)項(xiàng)目開(kāi)發(fā)流程：項(xiàng)目中采用完全還原企業(yè)大數(shù)據(jù)項(xiàng)目開(kāi)發(fā)場(chǎng)景的方式來(lái)講解，每一個(gè)業(yè)務(wù)模塊的講解都包括了數(shù)據(jù)分

析、需求分析、方案設(shè)計(jì)、數(shù)據(jù)庫(kù)設(shè)計(jì)、編碼實(shí)現(xiàn)、功能測(cè)試、性能調(diào)優(yōu)、troubleshooting與解決數(shù)據(jù)傾斜（后期運(yùn)維）等環(huán)節(jié)，真實(shí)還原

企業(yè)級(jí)大數(shù)據(jù)項(xiàng)目開(kāi)發(fā)場(chǎng)景。讓學(xué)員掌握真實(shí)大數(shù)據(jù)項(xiàng)目的開(kāi)發(fā)流程和經(jīng)驗(yàn)！

2）現(xiàn)場(chǎng)Excel手工畫(huà)圖與寫(xiě)筆記：所有復(fù)雜業(yè)務(wù)流程、架構(gòu)原理、Spark技術(shù)原理、業(yè)務(wù)需求分析、技術(shù)實(shí)現(xiàn)方案等知識(shí)的講解，采用Excel畫(huà)

圖或者寫(xiě)詳細(xì)比較的方式進(jìn)行講解與分析，細(xì)致入微、形象地透徹剖析理論知識(shí)，幫助學(xué)員更好的理解、記憶與復(fù)習(xí)鞏固。

課程十五、大數(shù)據(jù)高薪面試剖析

本階段通過(guò)對(duì)歷來(lái)大數(shù)據(jù)公司企業(yè)真實(shí)面試題的剖析，講解，讓學(xué)員真正的一個(gè)菜鳥(niǎo)轉(zhuǎn)型為具有1年以上的大數(shù)據(jù)開(kāi)發(fā)工作經(jīng)驗(yàn)的專業(yè)人士，也是講師多年來(lái)大數(shù)據(jù)

企業(yè)開(kāi)發(fā)的經(jīng)驗(yàn)之談。

1）大數(shù)據(jù)項(xiàng)目

2）企業(yè)大數(shù)據(jù)項(xiàng)目的類型

3）技術(shù)架構(gòu)（如何使用各框架處理數(shù)據(jù)）

4）沖刺高薪面試

5）面試簡(jiǎn)歷編寫(xiě)（把握重點(diǎn)要點(diǎn)）

6）面試中的技巧

7）常見(jiàn)面試題講解

8）如何快速融入企業(yè)進(jìn)行工作（對(duì)于大數(shù)據(jù)公司來(lái)說(shuō)非常關(guān)鍵）

9）學(xué)員答疑

10）針對(duì)普遍問(wèn)題進(jìn)行公共解答

11）一對(duì)一的交流

階段二、大數(shù)據(jù)、云計(jì)算-Java企業(yè)級(jí)核心應(yīng)用

課程十六、深入Java性能調(diào)優(yōu)

國(guó)內(nèi)關(guān)于Java性能調(diào)優(yōu)的課程非常少，如此全面深入介紹Java性能調(diào)優(yōu)，遠(yuǎn)標(biāo)教育算是，Special講師，十余年Java方面開(kāi)發(fā)工作經(jīng)驗(yàn)，軟件開(kāi)發(fā)系統(tǒng)架構(gòu)師，

本套課程系多年工作經(jīng)驗(yàn)與心得的總結(jié)，課程有著很高的含金量和實(shí)用價(jià)值，本課程專注于java應(yīng)用程序的優(yōu)化方法，技巧和思想，深入剖析軟件設(shè)計(jì)層面、代碼層面、JVM虛擬機(jī)層面的優(yōu)化方法，理論結(jié)合實(shí)際，使用豐富的示例幫助學(xué)員理解理論知識(shí)。

課程十七、JAVA企業(yè)級(jí)開(kāi)放必備技術(shù)（WeblogicTomcat集群Apach集群）

Java自面世后就非常流行，發(fā)展迅速，對(duì)C++語(yǔ)言形成有力沖擊。在全球云計(jì)算和移動(dòng)互聯(lián)網(wǎng)的產(chǎn)業(yè)環(huán)境下，Java更具備了顯著優(yōu)勢(shì)和廣闊前景，那么滋生的基于

java項(xiàng)目也越來(lái)越多，對(duì)java運(yùn)行環(huán)境的要求也越來(lái)越高，很多java的程序員只知道對(duì)業(yè)務(wù)的擴(kuò)展而不知道對(duì)java本身的運(yùn)行環(huán)境的調(diào)試，例如虛擬機(jī)調(diào)優(yōu)，服務(wù)器集群等，所以也滋生本門(mén)課程的產(chǎn)生。

階段三、大數(shù)據(jù)、云計(jì)算-分布式集群、PB級(jí)別網(wǎng)站性能優(yōu)化

課程十八、大數(shù)據(jù)高并發(fā)系統(tǒng)架構(gòu)實(shí)戰(zhàn)方案(LVS負(fù)載均衡、Nginx、共享存儲(chǔ)、海量數(shù)據(jù)、隊(duì)列緩存)

隨著互聯(lián)網(wǎng)的發(fā)展，高并發(fā)、大數(shù)據(jù)量的網(wǎng)站要求越來(lái)越高。而這些高要求都是基礎(chǔ)的技術(shù)和細(xì)節(jié)組合而成的。本課程就從實(shí)際案例出發(fā)給大家原景重現(xiàn)高并發(fā)架構(gòu)

常用技術(shù)點(diǎn)及詳細(xì)演練。通過(guò)該課程的學(xué)習(xí)，普通的技術(shù)人員就可以快速搭建起千萬(wàn)級(jí)的高并發(fā)大數(shù)據(jù)網(wǎng)站平臺(tái),課程涉及內(nèi)容包括:LVS實(shí)現(xiàn)負(fù)載均衡、Nginx配置實(shí)戰(zhàn)、共享存儲(chǔ)實(shí)現(xiàn)動(dòng)態(tài)內(nèi)容靜態(tài)化加速實(shí)戰(zhàn)、緩存平臺(tái)安裝配置使用、mysql主從復(fù)制安裝配置實(shí)戰(zhàn)等。

課程十九、大數(shù)據(jù)高并發(fā)服務(wù)器實(shí)戰(zhàn)教程

隨著Web技術(shù)的普及，Internet上的各類網(wǎng)站第天都在雪崩式增長(zhǎng)。但這些網(wǎng)站大多在性能上沒(méi)做過(guò)多考慮。當(dāng)然,它們情況不同。有的是Web技術(shù)本身的原因（主

要是程序代碼問(wèn)題）,還有就是由于Web服務(wù)器未進(jìn)行優(yōu)化。不管是哪種情況，一但用戶量在短時(shí)間內(nèi)激增，網(wǎng)站就會(huì)明顯變慢，甚至拒絕放訪問(wèn)。要想有效地解決這些問(wèn)題，就只有依靠不同的優(yōu)化技術(shù)。本課程就是主要用于來(lái)解決大型網(wǎng)站性能問(wèn)題，能夠承受大數(shù)據(jù)、高并發(fā)。主要涉及技術(shù)有：nginx、tomcat、memcached、redis緩存、負(fù)載均衡等開(kāi)發(fā)技術(shù)

項(xiàng)目實(shí)戰(zhàn)：PB級(jí)通用電商網(wǎng)站性能優(yōu)化解決方案

本部分通過(guò)一個(gè)通用電商訂單支付模塊，外加淘寶支付接口的實(shí)現(xiàn)（可用于實(shí)際項(xiàng)目開(kāi)發(fā)），剖析并分析過(guò)程中可能遇到的各種性能瓶頸及相關(guān)的解決方案與優(yōu)化技

巧。終目標(biāo)，讓有具有PHP基礎(chǔ)或Java基礎(chǔ)的學(xué)員迅速掌握Linux下的開(kāi)發(fā)知識(shí)，并對(duì)涉及到nginx、tomcat、memcached、redis緩存、負(fù)載均衡等開(kāi)發(fā)技術(shù)有一個(gè)全面的了解

階段四、大數(shù)據(jù)、云計(jì)算-數(shù)據(jù)挖掘、分析&機(jī)器學(xué)習(xí)

課程二十、玩轉(zhuǎn)大數(shù)據(jù)：深入淺出大數(shù)據(jù)挖掘技術(shù)(Apriori算法、Tanagra工具、決策樹(shù))

本課程名為深入淺出數(shù)據(jù)挖掘技術(shù)。所謂“深入”，指得是從數(shù)據(jù)挖掘的原理與經(jīng)典算法入手。其一是要了解算法，知道什么場(chǎng)景應(yīng)當(dāng)應(yīng)用什么樣的方法；其二是學(xué)

習(xí)算法的經(jīng)典思想，可以將它應(yīng)用到其他的實(shí)際項(xiàng)目之中；其三是理解算法，讓數(shù)據(jù)挖掘的算法能夠應(yīng)用到您的項(xiàng)目開(kāi)發(fā)之中去。所謂“淺出”，指得是將數(shù)據(jù)挖掘

算法的應(yīng)用落實(shí)到實(shí)際的應(yīng)用中。課程會(huì)通過(guò)三個(gè)不同的方面來(lái)講解算法的應(yīng)用：一是微軟公司的SQLServer與Excel等工具實(shí)現(xiàn)的數(shù)據(jù)挖掘；二是開(kāi)源算法

的數(shù)據(jù)挖掘，如Weka、KNIMA、Tanagra等開(kāi)源工具；三是利用C#語(yǔ)言做演示來(lái)完成數(shù)據(jù)挖掘算法的實(shí)現(xiàn)。

根據(jù)實(shí)際的引用場(chǎng)景，數(shù)據(jù)挖掘技術(shù)通常分為分類器、關(guān)聯(lián)分析、聚類算法等三大類別。本課程主要介紹這三大算法的經(jīng)典思想以及部分的實(shí)現(xiàn)形式，并結(jié)合一

些商業(yè)分析工具、開(kāi)源工具或編程等方式來(lái)講解具體的應(yīng)用方法

課程二十一、Lucene4.X實(shí)戰(zhàn)類baidu搜索的大型文檔海量搜索系統(tǒng)

本課程由淺入深的介紹了Lucene4的發(fā)展歷史，開(kāi)發(fā)環(huán)境搭建，分析lucene4的中文分詞原理，深入講了lucenne4的系統(tǒng)架構(gòu)，分析lucene4索引實(shí)現(xiàn)原理及性能優(yōu)

化，了解關(guān)于lucene4的搜索算法優(yōu)化及利用java結(jié)合lucene4實(shí)現(xiàn)類百度文庫(kù)的全文檢索功能等相對(duì)高端實(shí)用的內(nèi)容，市面上一般很難找到同類具有相同深度與廣度的視頻，集原理、基礎(chǔ)、案例與實(shí)戰(zhàn)與一身，不可多得的一部高端視頻教程。

課程二十二、快速上手?jǐn)?shù)據(jù)挖掘之solr搜索引擎教程（Solr集群、KI分詞、項(xiàng)目實(shí)戰(zhàn)）

本教程從基礎(chǔ)的solr語(yǔ)法開(kāi)始講解，選擇了新流行的開(kāi)源搜索引擎服務(wù)框架solr5.3.1，利用Tomcat8搭建了solr的集群服務(wù)；本教程可以幫助學(xué)員快速上手

solr的開(kāi)發(fā)和二次開(kāi)發(fā)，包括在hadoop集群的是利用，海量數(shù)據(jù)的索引和實(shí)時(shí)檢索，通過(guò)了解、學(xué)習(xí)、安裝、配置、集成等步驟引導(dǎo)學(xué)員如何將solr集成到項(xiàng)目中。

課程二十三、項(xiàng)目實(shí)戰(zhàn)：SPSSModeler數(shù)據(jù)挖掘項(xiàng)目實(shí)戰(zhàn)培訓(xùn)

SSModeler是業(yè)界極為的數(shù)據(jù)挖掘軟件，其前身為SPSSClementine。SPSSModeler內(nèi)置豐富的數(shù)據(jù)挖掘模型，以其強(qiáng)大的挖掘功能和友好的操作習(xí)慣，深

受用戶的喜愛(ài)和好評(píng)，成為眾多知名企業(yè)在數(shù)據(jù)挖掘項(xiàng)目上的軟件產(chǎn)品選擇。本課程以SPSSModeler為應(yīng)用軟件，以數(shù)據(jù)挖掘項(xiàng)目生命周期為線索，以實(shí)際數(shù)據(jù)挖掘項(xiàng)目為例，講解了從項(xiàng)目商業(yè)理解開(kāi)始，到后軟件實(shí)現(xiàn)的全過(guò)程。

課程二十四、數(shù)據(jù)層交換和高性能并發(fā)處理(開(kāi)源ETL大數(shù)據(jù)治理工具）

ETL是數(shù)據(jù)的抽取清洗轉(zhuǎn)換加載的過(guò)程，是數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行大數(shù)據(jù)分析的載入過(guò)程，目前流行的數(shù)據(jù)進(jìn)入倉(cāng)庫(kù)的過(guò)程有兩種形式，一種是進(jìn)入數(shù)據(jù)庫(kù)后再進(jìn)行

清洗和轉(zhuǎn)換，另外一條路線是首先進(jìn)行清洗轉(zhuǎn)換再進(jìn)入數(shù)據(jù)庫(kù)，我們的ETL屬于后者。大數(shù)據(jù)的利器大家可能普遍說(shuō)是hadoop，但是大家要知道如果我們不做預(yù)先

的清洗和轉(zhuǎn)換處理，我們進(jìn)入hadoop后僅通過(guò)mapreduce進(jìn)行數(shù)據(jù)清洗轉(zhuǎn)換再進(jìn)行分析，垃圾數(shù)據(jù)會(huì)導(dǎo)致我們的磁盤(pán)占用量會(huì)相當(dāng)大，這樣無(wú)形中提升了我們的

硬件成本（硬盤(pán)大，內(nèi)存小處理速度會(huì)很慢，內(nèi)存大cpu性能低速度也會(huì)受影響），因此雖然hadoop理論上解決了爛機(jī)器拼起來(lái)解決大問(wèn)題的問(wèn)題，但是事實(shí)上如

果我們有更好的節(jié)點(diǎn)速度必然是會(huì)普遍提升的，因此ETL在大數(shù)據(jù)環(huán)境下仍然是必不可少的數(shù)據(jù)交換工具。

課程二十五、零基礎(chǔ)數(shù)據(jù)分析與挖掘R語(yǔ)言實(shí)戰(zhàn)

本課程面向從未接觸過(guò)數(shù)據(jù)分析的學(xué)員，從基礎(chǔ)的R語(yǔ)法開(kāi)始講起，逐步進(jìn)入到目前各行業(yè)流行的各種分析模型。整個(gè)課程分為基礎(chǔ)和實(shí)戰(zhàn)兩個(gè)單元。基礎(chǔ)部分包

括R語(yǔ)法和統(tǒng)計(jì)思維兩個(gè)主題，R語(yǔ)法單元會(huì)介紹R語(yǔ)言中的各種特色數(shù)據(jù)結(jié)構(gòu)，以及如何從外部抓去數(shù)據(jù)，如何使用包和函數(shù)，幫助同學(xué)快速通過(guò)語(yǔ)法關(guān)。統(tǒng)計(jì)思維

單元會(huì)指導(dǎo)如何用統(tǒng)計(jì)學(xué)的思想快速的發(fā)現(xiàn)數(shù)據(jù)特點(diǎn)或者模式，并利用R強(qiáng)大的繪圖能力做可視化展現(xiàn)。在實(shí)戰(zhàn)部分選擇了回歸、聚類、數(shù)據(jù)降維、關(guān)聯(lián)規(guī)則、決策

樹(shù)這5中基礎(chǔ)的數(shù)據(jù)分析模型，詳細(xì)介紹其思想原理，并通過(guò)案例講解R中的實(shí)現(xiàn)方案，尤其是詳細(xì)的介紹了對(duì)各種參數(shù)和輸出結(jié)果的解讀，讓學(xué)員真正達(dá)到融會(huì)

貫通、舉一反三的效果。并應(yīng)用到自己的工作環(huán)境中

課程二十六、深入淺出HadoopMahout數(shù)據(jù)挖掘?qū)崙?zhàn)(算法分析、項(xiàng)目實(shí)戰(zhàn)、中文分詞技術(shù))

Mahout是ApacheSoftwareFoundation（ASF）旗下的一個(gè)開(kāi)源項(xiàng)目，提供一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法的實(shí)現(xiàn)，旨在幫助開(kāi)發(fā)人員更加方便快捷地創(chuàng)建智能應(yīng)用程序。課程包括：Mahout數(shù)據(jù)挖掘工具及Hadoop實(shí)現(xiàn)推薦系統(tǒng)的綜合實(shí)戰(zhàn)，涉及到MapReduce、Pig和Mahout的綜合實(shí)戰(zhàn)

課程二十七、大數(shù)據(jù)項(xiàng)目實(shí)戰(zhàn)之Python金融應(yīng)用編程(數(shù)據(jù)分析、定價(jià)與量化投資)

近年來(lái)，金融領(lǐng)域的量化分析越來(lái)越受到理論界與實(shí)務(wù)界的重視，量化分析的技術(shù)也取得了較大的進(jìn)展，成為備受關(guān)注的一個(gè)熱點(diǎn)領(lǐng)域。所謂金融量化，就是將金融

分析理論與計(jì)算機(jī)編程技術(shù)相結(jié)合，更為有效的利用現(xiàn)代計(jì)算技術(shù)實(shí)現(xiàn)準(zhǔn)確的金融資產(chǎn)定價(jià)以及交易機(jī)會(huì)的發(fā)現(xiàn)。量化分析目前已經(jīng)涉及到金融領(lǐng)域的方方面面，包

括基礎(chǔ)和衍生金融資產(chǎn)定價(jià)、風(fēng)險(xiǎn)管理、量化投資等。隨著大數(shù)據(jù)技術(shù)的發(fā)展，量化分析還逐步與大數(shù)據(jù)結(jié)合在一起，對(duì)海量金融數(shù)據(jù)實(shí)現(xiàn)有效和快速的運(yùn)算與處

理。在量化金融的時(shí)代，選用一種合適的編程語(yǔ)言對(duì)于金融模型的實(shí)現(xiàn)是至關(guān)重要的。在這方面，Python語(yǔ)言體現(xiàn)出了不一般的優(yōu)勢(shì)，特別是它擁有大量的金融計(jì)

算庫(kù)，并且可以提供與C++，java等語(yǔ)言的接口以實(shí)現(xiàn)高效率的分析，成為金融領(lǐng)域快速開(kāi)發(fā)和應(yīng)用的一種關(guān)鍵語(yǔ)言，由于它是開(kāi)源的，降低了金融計(jì)算的成本，

而且還通過(guò)廣泛的社交網(wǎng)絡(luò)提供大量的應(yīng)用實(shí)例，極大的縮短了金融量化分析的學(xué)習(xí)路徑。本課程在量化分析與Python語(yǔ)言快速發(fā)展的背景下介紹二者之間的關(guān)聯(lián)，使學(xué)員能夠快速掌握如何利用Python語(yǔ)言進(jìn)行金融數(shù)據(jù)量化分析的基本方法。

課程二十八、項(xiàng)目實(shí)戰(zhàn)：云計(jì)算處理大數(shù)據(jù)深度、智能挖掘技術(shù)+地震數(shù)據(jù)挖掘分析

本課程介紹了基于云計(jì)算的大數(shù)據(jù)處理技術(shù)，重點(diǎn)介紹了一款高效的、實(shí)時(shí)分析處理海量數(shù)據(jù)的強(qiáng)有力工具——數(shù)據(jù)立方。數(shù)據(jù)立方是針對(duì)大數(shù)據(jù)處理的分布式數(shù)

據(jù)庫(kù)，能夠可靠地對(duì)大數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，具有即時(shí)響應(yīng)多用戶并發(fā)請(qǐng)求的能力，通過(guò)對(duì)當(dāng)前主流的大數(shù)據(jù)處理系統(tǒng)進(jìn)行深入剖析，闡述了數(shù)據(jù)立方產(chǎn)生的背景，介

紹了數(shù)據(jù)立方的整體架構(gòu)以及安裝和詳細(xì)開(kāi)發(fā)流程，并給出了4個(gè)完整的數(shù)據(jù)立方綜合應(yīng)用實(shí)例。所有實(shí)例都經(jīng)過(guò)驗(yàn)證并附有詳細(xì)的步驟說(shuō)明，無(wú)論是對(duì)于云計(jì)算的

初學(xué)者還是想進(jìn)一步深入學(xué)習(xí)大數(shù)據(jù)處理技術(shù)的研發(fā)人員、研究人員都有很好的參考價(jià)值。

階段五、大數(shù)據(jù)、云計(jì)算-大數(shù)據(jù)運(yùn)維&云計(jì)算技術(shù)篇

課程二十九、Zookeeper從入門(mén)到精通（開(kāi)發(fā)詳解，案例實(shí)戰(zhàn)，Web界面監(jiān)控）

ZooKeeper是Hadoop的開(kāi)源子項(xiàng)目（GoogleChubby的開(kāi)源實(shí)現(xiàn)），它是一個(gè)針對(duì)大型分布式系統(tǒng)的可靠協(xié)調(diào)系統(tǒng)，提供的功能包括：配置維護(hù)、命名服務(wù)、分

布式同步、組服務(wù)等。Zookeeper的FastFail和Leader選舉特性大大增強(qiáng)了分布式集群的穩(wěn)定和健壯性，并且解決了Master/Slave模式的單點(diǎn)故障重大隱患，這

是越來(lái)越多的分布式產(chǎn)品如HBase、Storm（流計(jì)算）、S4（流計(jì)算）等強(qiáng)依賴Zookeeper的原因。Zookeeper在分布式集群（Hadoop生態(tài)圈）中的地位越來(lái)越

突出，對(duì)分布式應(yīng)用的開(kāi)發(fā)也提供了極大便利，這是迫切需要深入學(xué)習(xí)Zookeeper的原因。本課程主要內(nèi)容包括Zookeeper深入、客戶端開(kāi)發(fā)（Java編程，案例開(kāi)

發(fā)）、日常運(yùn)維、Web界面監(jiān)控，“一條龍”的實(shí)戰(zhàn)平臺(tái)分享給大家。

課程三十、云計(jì)算Docker從零基礎(chǔ)到專家實(shí)戰(zhàn)教程

Docker是一種開(kāi)源的應(yīng)用容器引擎，使用Docker可以快速地實(shí)現(xiàn)虛擬化，并且實(shí)現(xiàn)虛擬化的性能相對(duì)于其他技術(shù)來(lái)說(shuō)較高。并且隨著云計(jì)算的普及以及對(duì)虛擬化技

術(shù)的大量需求，使得云計(jì)算人才供不應(yīng)求，所以一些大型企業(yè)對(duì)Docker專業(yè)技術(shù)人才需求較大。本教程從基礎(chǔ)的Dokcer原理開(kāi)始講起，深入淺出，并且全套課程

均結(jié)合實(shí)例實(shí)戰(zhàn)進(jìn)行講解，讓學(xué)員可以不僅能了解原理，更能夠?qū)嶋H地去使用這門(mén)技術(shù)。

課程三十一、項(xiàng)目實(shí)戰(zhàn)：云計(jì)算Docker全面項(xiàng)目實(shí)戰(zhàn)（Maven+Jenkins、日志管理ELK、WordPress博客

2013年，云計(jì)算領(lǐng)域從此多了一個(gè)名詞“Docker”。以輕量著稱，更好的去解決應(yīng)用打包和部署。之前我們一直在構(gòu)建Iaas，但通過(guò)Iaas去實(shí)現(xiàn)統(tǒng)一功能還是相當(dāng)

復(fù)雜得，并且維護(hù)復(fù)雜。將特殊性封裝到鏡像中實(shí)現(xiàn)幾乎一致得部署方法，它就是“Docker”，以容器為技術(shù)核心，實(shí)現(xiàn)了應(yīng)用的標(biāo)準(zhǔn)化。企業(yè)可以快速生成研

發(fā)、測(cè)試環(huán)境，并且可以做到快速部署。實(shí)現(xiàn)了從產(chǎn)品研發(fā)環(huán)境到部署環(huán)境的一致化。Docker讓研發(fā)更加專注于代碼的編寫(xiě)，并且以“鏡像”作為交付。極大的縮

短了產(chǎn)品的交付周期和實(shí)施周期。

課程三十二、深入淺出OpenStack云計(jì)算平臺(tái)管理

OpenStack是一個(gè)由Rackspace發(fā)起、全球開(kāi)發(fā)者共同參與的開(kāi)源項(xiàng)目，旨在打造易于部署、功能豐富且易于擴(kuò)展的云計(jì)算平臺(tái)。OpenStack企圖成為數(shù)據(jù)中心的

操作系統(tǒng)，即云操作系統(tǒng)。從項(xiàng)目發(fā)起之初，OpenStack就幾乎贏得了所有IT巨頭的關(guān)注，在各種OpenStack技術(shù)會(huì)議上人們激情澎湃，幾乎所有人都成為

OpenStack的信徒。這個(gè)課程重點(diǎn)放在openstack的部署和網(wǎng)絡(luò)部分。課程強(qiáng)調(diào)實(shí)際的動(dòng)手操作，使用vmware模擬實(shí)際的物理平臺(tái)，讓大家可以自己動(dòng)手去實(shí)際搭建

和學(xué)習(xí)openstack。課程內(nèi)容包括云計(jì)算的基本知識(shí)，虛擬網(wǎng)絡(luò)基礎(chǔ)，openstack部署和應(yīng)用，openstack網(wǎng)絡(luò)詳解等。

【教學(xué)優(yōu)勢(shì)】

1、中國(guó)移動(dòng)互聯(lián)網(wǎng)研發(fā)培訓(xùn)開(kāi)拓者

專注iOS、Android、HTML5、UI、PHP等技術(shù)研發(fā)培訓(xùn)，堅(jiān)持“用良心做教育，做真實(shí)的自己”的理念

2、免費(fèi)試聽(tīng)優(yōu)惠政策

推出“兩周免費(fèi)試聽(tīng)，不滿意不繳費(fèi)”的政策，讓學(xué)員了解更真實(shí)的遠(yuǎn)標(biāo)、了解自己是否適合做開(kāi)發(fā)

3、業(yè)內(nèi)學(xué)員畢業(yè)薪水高

零學(xué)費(fèi)入學(xué)，工作后分期還款，業(yè)內(nèi)學(xué)員畢業(yè)薪水高，培訓(xùn)就業(yè)協(xié)議明確標(biāo)明薪資，平均薪水?？?000、本科8000、碩士8000

4、專業(yè)師資陣容

有責(zé)任心，懂教學(xué)，擁有大型項(xiàng)目經(jīng)驗(yàn)實(shí)戰(zhàn)派講師授課，業(yè)內(nèi)專家及企業(yè)技術(shù)骨干組成教研團(tuán)隊(duì)，準(zhǔn)確把握企業(yè)需求

【教學(xué)風(fēng)采】

【學(xué)校簡(jiǎn)介】

遠(yuǎn)標(biāo)教育（深圳市遠(yuǎn)標(biāo)培訓(xùn)中心），2003年成立，主要提供C++培訓(xùn),Linux嵌入式培訓(xùn),JAVA培訓(xùn),Android培訓(xùn),MTK手機(jī)開(kāi)發(fā)培訓(xùn),.NET培訓(xùn)等軟件培訓(xùn)。已輸送20000多名大學(xué)生到深圳軟件企業(yè)工作，已和300多所高校和深圳3000多家軟件企業(yè)建立長(zhǎng)期緊密的合作關(guān)系。