大数据真实案例分析《HadoopSpark企业应用实战》

冰点也疯狂

课程介绍：
8 Q6 C4 w0 U# w3 s( E! \% p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
2 b( v: C* I3 A) W
1 a$ I* J+ Q. h1 p2 p# R3 S; E+ j课程目录：
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。

课程目录：
. g1 u$ j0 S2 [  S7 C2 f* Y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
$ G$ S: a$ @; `8 N" @$ h- @4 b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
. r! G# X& d/ dSpark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……
  d5 @  ]- s2 M1 l( l0 H
* g2 P: A% W8 R0 `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
7 D  Z* \/ @0 H: \. Q, g% s* s5 _Hive 0.13的新功能
9 {- |/ d4 L7 ]' z3 {9 VImpala与Hive对比，各种Hints：Hive的Map Join，Impala的SHUFFLE Join（partitioned join）
& k8 I" J6 e  ]- [" E9 r6 I
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
- O5 C3 c- l. J0 Y+ T. g企业级应用实例1：物流行业 — 订单跟踪
7 [6 E7 n% w" a$ v* [3 ]—〉 Hive通过external table、partition、动态partition与NFS结合使用创建数据表，避免LOAD DATA
/ G# F9 \5 @  v9 U& l—〉 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
8 e! y. P0 n! ^9 @—〉 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）
7 Y2 x2 ^3 o) H$ U1 ?/ [—〉 HiveServer2 JDBC接口实例应用、中文支持Bug纠错
# U' ~4 r9 B  V4 i. D8 V0 s; y—〉 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
2 @8 t9 @& S* Q/ ]—〉 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

/ Z8 x) s7 j$ F, I6 T. h$ ^0 ^7 \第四周：Hadoop & Spark / Shark 进阶应用基础知识
7 \2 ~7 @4 ?" c) _HBase / ZooKeeper / Sqoop / Graphite / Ganglia 进阶应用及调优，Spark / Spark SQL / Shark 简介
6 s- g/ @, i  RHBase Shell 与 HBase REST API 应用
: a4 M5 i2 j% b' k% BHBase的Region进阶应用Compact、Split与Merge
% m9 F) K6 Y5 EHBase进阶脚本应用：jruby script
* U+ M1 H3 Q$ W2 J! gHBase与Hive的整合高级应用：binary(byte) value，lateral view explode
8 i8 x% M( n  {- HHive 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
. s8 U8 l8 h) IHadoop生态系统中为企业级开发提供的测试框架应用实例
6 Q, I" b$ O0 r* t6 Z5 p  hSpark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
/ A2 `1 N) a( U; v+ CHBase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
: ^2 @/ i+ S0 d. H4 |4 W. I—— 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
" V) Y0 H- n; u) z: @9 o# Z* wHBase 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
/ ?- B3 ~4 n( Y2 i8 wHadoop与现有企业级BI平台的整合
5 x  b* g2 a; ?' s# Y* JPentaho PDI / Kettle
Oracle or In-Memory Database
9 c# B  ]- M) D2 d1 @MicroStrategy / Tableau

第七周：进阶应用实例 — Hadoop / Spark 企业级大数据BI应用整合
3 }( c3 Q1 y& ^* p0 b6 n) t* L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
. J1 q' j/ p% n; y' p: }6 bSpark 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
* y6 W- a; ^' W$ U4 N- T) G2 g  `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）
( r/ A! y* b# G' `9 x—— 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
4 U, _/ L6 Q. e- f5 q8 E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
" ?! Y+ w( ~# \  j$ THadoop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
  H6 v- _, e4 q8 C$ Z4 g$ E+ ~德国医疗行业大数据应用现状
: g5 [7 |1 D) U4 g6 ZHadoop大数据企业应用面临的问题