Hadoop大数据解决方案开发技术培训.docx

Hadoop大数据解决方案平台技术培训 【课程目标】 Hadoop作为开源的云计算平台，为大数据处理提供了一整套解决方案，应用非常广泛。Hadoop作为一个平台框架，包括了如何存储海量数据，如何处理海量数据，以及相应的数据库、数据仓库、数据流处理、数据分析和挖掘算法库，等等。本课程主要介绍Hadoop的思想、原理，以及重要技术等相关知识。 通过本课程的学习，达到如下目的： 全面了解大数据处理技术的相关知识。 学习Hadoop的核心技术以及应用。 深入掌握Hadoop的相关工具在大数据中的使用。 掌握Hadoop的常用模块的工作原理及开发应用技术。 掌握传统数据中心向大数据中心转换的关键技术。 掌握海量数据处理的性能优化及维护技巧。 【授课时间】 2~5天时间 （全部模块讲完需要5天时间，可以根据时间需求拆分内容模块）。 【授课对象】 网络部、大数据系统开发部、大数据中心、网络运维部等相关技术人员。 【授课方式】 原理精讲+案例演练+开发实践+系统优化 【课程大纲】 第一部分：Hadoop的基本框架 大数据时代面临的问题 当前解决大数据的技术方案 Hadoop架构和云计算 Hadoop简史及安装部署 Hadoop设计理念和生态系统 第二部分：HDFS分布式文件系统：海量数据存储的摇篮 HDFS的设计目标 HDFS的基本架构 NameNode名称节点 SecondaryNameNode第二名称节点 DataNode数据节点 HDFS的存储模型 数据块存储 元数据存储（空间镜像与编辑日志） 多副本存储 多副本放置策略 多数据节点管理机制与交互过程 文件系统操作与管理 读文件过程 写文件过程（数据流管道） 数据完整性机制 数据校验和 数据完整性扫描线程 元数据备份与合并 数据可靠性设计 安全模式（数据块与节点映射关系管理） 心跳检测机制（节点失效管理） 租约机制（多线程并发控制） 其它 HDFS的安全机制 负载均衡 文件压缩 操作接口与编程接口 HDFS Shell HDFS Commands WebHDFS REST API HDFS Java API 演练：HDFS文件操作命令 演练：HDFS编程示例 第三部分：MapReduce分布式计算系统：海量数据处理的利器 MapReduce的三层设计理念 分布治之的设计思想（Map与Reduce） 数据处理引擎（编程模型） 运行时环境（任务调度与执行） MapReduce的基本架构 JobTracker作业跟踪器 TaskTracker任务跟踪器 MapReduce与HDFS的部署关系 MapReduce编程模型概述 编程接口介绍 Hadoop工作流实现原理 MapReduce作业调度机制 MapReduce作业生命周期 作业调度策略 静态资源管理方案 数据并行处理机制（五步骤） Input阶段实现 Map阶段实现 Shuffle阶段实现 Reduce阶段实现 Output阶段 MapReduce容错机制 任务失败与重新尝试 节点失效与重调度 单点故障 MapReduce性能优化 优化方向与思路 磁盘IO性能优化 分片优化 线程数量优化 内存优化 压缩优化 MapReduce操作接口 Job Shell Web UI 案例演练：MapReduce编程示例 YARN：下一代通用资源管理系统 MRv1的局限性 YARN基本框架 NN HA：解决单点故障 HDFS Federation：解决扩展性问题 第四部分：HBase非关系型数据库：海量数据的黎明 HBase的使用场景 HBase的基本架构 Zookeeper分布式协调服务器 Master主控服务器 Region Server区域服务器 HBase的数据模型 HBase的表结构 行键、列键、时间戳 HBase的存储模型 基本单位Region 存储格式HFile 数据分裂机制Split 数据合并机制Compaction minor compaction major compaction HLog写前日志 数据库读写操作 数据库写入 数据库读取 三次寻址 HBase操作接口 Native Java API HBase Shell 批量加载工具 HiveQL操作 HBase性能优化 写速度优化 读速度优化 HBase集群监控与管理 案例演练：HBase命令操作实例 第五部分：Hive分布式数据仓库：高级的编程语言 Hive是什么 Hive与关系数据库的区别 Hive系统架构 用户接口层 元数据存储层 驱动层 Hive常用服务 Hive元数据的三种部署模式 Hive的命名空间 Hive数据类型与存储格式 数据类型 TextFile/SequenceFile/RCFile Hive的数据模型 管理表 外部表 分区表 桶表 HQL语言命令实例 DDL