大数据真实案列分析《HadoopSpark企业应用实战》11月份班

资源名称：大数据真实案列分析《HadoopSpark企业应用实战》11月份班

教程内容：

授 课 对 象

商业智能（BI）和企业数据仓库（EDW）的管理人员、建模人员、分析和开发人员、系统管理员等；

有意将Hadoop生态系统中的组件，作为现有EDW的补充，或未来替代产品的项目负责人及开发人员；

企业中牵涉到大数据处理的数据中心运行、规划、设计负责人；

Hadoop企业级应用、整合项目的成员、负责人、开发人员

熟悉Hadoop生态系统，想了解和学习Hadoop与Spark整合在企业应用实战案例的朋友。

课 程 大 纲

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 

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

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)