培训内容:
课程收益:
随着互联网、移动互联网和物联网的发展，我们已经切实地迎来了一个大数据相关内容导读“大数据”互联网金融与大数据实践上海2016-4-8(1天)
互联网金融与大数据实践课程，旨在帮助学员了解了其他行业的新游戏规则，开眼界，新视角，对互联网金融有了新的认识！大数据时代的绩效管理—精细化人力资源苏州2016-4-10(2天)
精细化人力资源课程通过业务数据和人力资源实战流程分析，提高人力资源策略的制定和执行跟踪的能力，达到以业务数据分析和跟踪为依据的绩效指标设定和管理，使人力资源绩效管理真正成为战略和策略工具。
互联网+时代培训体系建立及工具……
课程大纲:
第一讲、Spark大数据实时处理技术
1）大数据处理技术
2）Spark实时处理技术
3）Spark生态系统BDAS
4）Spark架构分析
第二讲、Spark安装配置及监控
1）Ubuntu环境的准备
2）Hadoop2.X和Scala
3）搭建Spark开发环境
4）Idea编译和运行
5）Spark监控管理
第三讲、Scala编程语言使用概述
1)Scala编程语言
2)基本数据类型
3)操作基本数据类型
4)类和对象
5)组合和继承
第四讲、Spark分布式计算框架
1）Spark计算模型
2）弹性分布式数据集RDD
3）Spark的数据存储
4）Transformation算子分类及功能
5）Actions算子分类及功能
第五讲、Spark内部工作机制详解
1)Spark底层实现原理
2)Spark应用执行机制
3)Spark调度与任务分配模块
4)FIFO和FAIR调度算法
第六讲、Spark数据读取与存储
1）Spark的I/O机制
2）Spark中的数据压缩
3）Spark的数据读取与存储
4）Spark数据读写流程
第七讲、Spark通信模块和容错机制
1）Spark通信模块
2）通信框架AKKA
3）容错机制和Lineage依赖
4）检查点机制进行容错
5）Shuffle过程
第八讲、SQLOnSpark
1)BDAS数据分析软件栈
2)SQLOnSpark
3)SparkSQL工具使用
4)Shark工具使用
5)HiveonSpark工具
6)Spark操作HBase中的数据
第九讲、Spark流数据处理工具Streaming
1）流数据处理工具Streaming
2）SparkStreaming架构
3）SparkStreaming原理
4）SparkStreaming实例
第十讲、Spark中的大数据挖掘工具MLlib
1）大数据挖掘工具MLlib
2）MLlib的数据存储
3）MLlib中的聚类和分类
4）MLlib算法应用实例
5）利用MLlib进行推荐
第十一讲、Spark大规模图处理工具GraphX
1）大规模图处理工具GraphX
2）GraphX的运行架构
3）GraphX操作使用
4）GraphX使用实例
第十二讲、Spark与其他大数据技术的融合与应用
1）与Hadoop/Yarn集群应用的协作
2）与Docker等其它云工具配合
3）Spark在Yahoo!的应用
4）Spark在电商中的应用
培训师介绍：
由业界知名云计算专家亲自授课：
杨老师主要研究网络信息分析以及云计算相关技术，长期从事数据仓库、数据挖掘以及大数据分析技术研究，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。
课程对象
1，系统架构师、系统分析师、高级程序员、资深开发人员。
2，牵涉到大数据处理的数据中心运行、规划、设计负责人。
3，政府机关，金融保险、移动和互联网等大数据来源单位的负责人。
4，高校、科研院所牵涉到大数据与分布式数据处理的项目负责人。
学员基础1，对IT系统设计有一定的理论与实践经验。
2，数据仓库与数据挖掘处理有一定的基础知识。