位置:搜学搜课 > 新闻 > 哈尔滨大数据培训学校报名电话
实战讲师
课程主题 | 课程内容 | 课程目标 |
阶段(Java基础) | ||
Java语言的特性 | 静态导入、自动封箱拆箱、可变参数、增强for、枚举、类加载器、反射、内省、泛型、注解、动态代理回 | 掌握Java语言的特性 |
Java多线程 | 多线程加强、线程池、Thread Local | 掌握Java线程池技术,掌握线程的Join、notify、notifyAll等机制 |
XML |
Dom解析、Sax解析、Pull解析 Schema |
基于Xml的解析与维护 |
Web | Html,Css,Js | 掌握简单的Html,Css,Js的编写 |
实训项目一:易买网项目 | ||
第二阶段(Web阶段,易买网项目贯穿) | ||
JAVAWEB前端技术 |
项目介绍、项目开发流程 Html、CSS、JS |
了解真实项目开发流程 掌握前端开发基本技术 |
JAVAWEB基础技术 |
Tomcat、HTTP协议、Servlet、Jsp、EL、JSTL、自定义标签 MVC、JAVAWEB三层架构 软件分层、耦合、解耦 AJAX |
掌握JAVAWEB基础知识 深入理解软件分层思想 AJAX实现异步刷新 |
JAVAWEB技术 |
Filter、Listener 文件上传、下载 在线支付 |
过滤器、监听器及常见应用场景 文件上传、下载 在线支付功能实现 aa |
JAVAWEB框架加强 |
面向切面编程 通过注解控制事务 java基础加强、框架加强 |
JAVA特性 熟悉常见设计模式 通过模拟实现框架功能,为后续学习SSH打基础 |
实训项目二:国际物流项目 | ||
第三阶段(Struts,Hibernate,Spring,SSH项目贯穿) | ||
Struts2 |
分析Servlet缺点,进行重构 Struts.xml配置文件 ValueStack Ognl表达式 属性驱动、模型驱动、拦截器、文件上传、token机制等 |
掌握Struts2在项目开发时用到的各种知识点,能够应用 该框架熟练的开发 |
Hibernate | ORM的概念、CRUD的完成、Hibernate常用的配置、API详细的分析、对象的三种状态、关联关系、检索、优化、缓存机制 | 熟练掌握利用Hibernate框架完成项目的开发,深入理解ORMapping的概念,深入理解缓存机制 |
Spring | IOC、DI、动态代理模式、AOP、基于Spring的数据库编程、Spring的声明式事务处理,Struts2与Hibernate与Spring的整合 | 深入理解SpringIOC、DI在软件架构中的作用,深入理解SpringAOP的实现机制和应用场景,Struts2的特性(对象工厂、静态注入、插件机制、ThreadLocal针对ActionContext的封装、Struts2的核心流程、结果集架构)、深入理 解SSH整合的原理 |
JQuery | JQuery常见选择器的应用 | 利用JQuery控制Web界面 |
JS | JS面向对象的特征 | 对象、原型、闭包、JQuery内部结构解析等 |
Maven |
Maven的概念、使用、原理、 Module的概念、仓库 |
能用Maven搭建项目环境 熟练使用Maven的依赖和继承机制 |
SSH项目:国际物流 | 项目背景、系统USE CASE图、系统功能结构图、系统框架图、国际物流核心业务货运管理、购销合同业务、购销合同下货物、出口报运单、装箱单、委托书、发票、财务统计、海量数据导出、出口报运、装箱业务、Shiro安全框架、工作流Activiti5 |
掌握画USECASE图、系统结构图、系统框架图。 面试能顺畅讲述国际物流核心业务,包括:购销合同、出口报运、装箱、委托、发票、财务。 了解大型数据库设计思路,及数据库在设计上如何优化。 熟练实现合同、货物、附件两级主从结构。 熟练POI制式表单应用。 熟练应用Shiro安全框架。 熟练应用工作流Activiti5实现货运管理流程控制。 |
实训项目三:易买电商项目 | ||
第四阶段(SpringMVC,Mybaties,SSM项目贯穿) | ||
SpringMVC | 模拟SpringMVC的核心部件写一个例子、核心分发器、处理器映射、适配器、控制器、注解开发实例、标签机制、拦截器机制、AJAX与JSON调用 | 熟练掌握SpringMVC的各个组件,理解SpringMVC的架构原理,利用SpringMVC开发项目 |
MyBaties | CRUD操作、SqlSessionFactory对象、SqlSession对象、集合参数、动态SQL语句、代码优化、Mapper的接口、关联关系、缓存机制、拦截器、MyEclipse插件的使用 | 熟练掌握SpringMVC的各个组件,理解SpringMVC的架构原理,利用SpringMVC开发项目 |
SSM项目(易买电商) | 项目需求讲解、环境的搭建、后台系统实现、前台系统搭建、内容管理实现、Redis缓存解决前台访问性能问题、单点登录、异步订单系统处理、Lucene与Solor实现文件的检索、ActivityMQ实现消息的异步通信、MySQL的数据库的读写分离、分布式环境的部署和实施 | 了解电商项目的需求分析,掌握用pom.xml文件构建项目,实现电商项目的前台的内容管理、菜单管理、购物等。掌握Redis缓存如何提供性能、利用Solor做全文检索、利用ActivityMQ的异步机制把缓存中的改动同步到 各个环节、掌握MySQL的主从复制和读写分离。利用lvs,keepalived,nginx,tomcat搭建高并发的web环境 |
实训项目四:电信项目 | ||
第五阶段(分布式、高并发、集群、电信项目贯穿) | ||
网络编程 | Socket、Io、Nio、Mina、RPC技术、多线程、线程池 | 把电信项目的部分环节利用mina、RPC技术实现 |
数据仓库 |
数据仓库基础知识 ETL MySQL的导入工具、分表,分区、读写分离、存储过程级多维分析 |
掌握数据仓库的知识内容,这是云计算分析的基础 |
分布式缓存 | 学习MemoryCache与Redis两种缓存 | 掌握两种缓存的原理、以及操作 |
Zookeeper | Zookeeper的选举、数据的同步、Zookeeper的部署、Follow与Leader | 了解Zookeeper的选举算法、同步机制、掌握Zookeeper的集群的搭建 |
集群 | Keepalived的Loadblancing机制、Nginex反向代理服务器、Tomcat集群、Lvs | 利用Lvs、Keepalived、Nginx、Tomcat搭建高并发、分布式的Web服务器 |
SOA | Rest风格的服务架构、基于Rest风格的WebService的使用、dubbo服务框架的使用 | 利用服务性框架使得系统的耦合性更弱,扩展性更强 |
云计算 | 云计算的概念、Iaas、 Paas、Saas的理解、虚拟化的概念 | 理解云计算 |
电信项目 | 把上面所学的知识点全部结合起来做电信行业的日志分析系统 | 通过项目掌握MySQL的集群、读写分离、优化、掌握Mina框架的通信机制、掌握Zookeeper的高可用机制、利用MySql掌握数据仓库的概念、利用分布式缓存提高系统的性能 |
实训项目五:电信项目 | ||
第六阶段(Hadoop,Spark,电信项目贯穿) | ||
Hadoop的分布式文件系统HDFS | HDFS的概念、HDFS的API的应用、NameNode与SecondaryNameNode与DataNode的原理与通信机制、数据块Block的概念、NameNode的文档目录树、NameNode与DataNode的关联 | Hadoop伪分布式的搭建、利用HDFS的API对分布式文件系统进行操作、掌握NameNode与SecondaryNameNode的通信原理、掌握NameNode与DataNode的通信原理 |
Hadoop的计算框架MapReduce | 利用MapReducer的计算框架实现电信日志的分析、深入理解Shuffle机制、FileOutPutFormat、FileInPutFormat | 熟练Map、Reducer、Sort、Partition的编程、深入理解Shuffle机制、深入理解OutPutFormat与InputFormat、基于Hadoop的对象序列化机制 |
Hadoop的资源管理与资源调度 Yarn框架 |
深入理解MapReducer的通信机制:利用Yarn的资源管理和资源调度机制。理解进程ResourceManager,NodeManager,ApplicationMaster等进程的作用 | 深入理解Yarn的资源管理与资源调度机制。掌握整个MapReducer的计算流程和资源调度流程 |
HBase | 搭建NOSQL数据库HBase的集群、利用Zookeeper做HBase的HA机制 | 掌握HBase的集群的的搭建 |
HIVE | 数据仓库基础知识、Hive定义、Hive体系结构简介、Hive集群、客户端简介、 HiveQL定义、HiveQL与SQL的比较、数据类型、外部表和分区表、表的操作与CLI客户端演示、数据导入与CLI客户端演示、查询数据与CLI 客户端演示、数据的连接与CLI客户端演示、用户自定义函数(UDF)的开发与演示 | 利用HIVE做日志分析的查询 |
Spark | Spark介绍:Spark应用场景、Scala编程语言、Scala编程、Spark集群部署等 | 利用Spark流式编程做日志的分析 |
电信项目 | 把第四阶段的电信项目用Hadoop与Spark实现 | 熟练应用Hadoop的MapReducer,Hive与Spark |
Hadoop与大数据技术的特点,Hadoop作为数据分布式处理系统,已经成为该领域事实的标准;大数据技术是指从各种类型的大体量数据中获得有价值信息的技术。Hadoop与大数据技术的特点如下:
1认识大数据
所谓大数据,就是从各种类型的数据中,获得有价值信息的能力。大数据是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。它是对那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集所下的定义。
区别于过去的海量数据,大数据的特点可以概况为4个V:Volume、Variety、Value和Velocity,即大量、多样、价值密度低、。
,数据体量大。大数据一般指在10TB(1TB=1024GB)规模以上的数据量,目前正在跃升到PB(1PB=1024TB)级别。不仅存储量大,计算量也大。
第二,数据类型多。除了数值数据,还有文字、声音、视频等,包括网络日志、视频、图片、地理位置信息等多种类型的格式。由于数据来自多种数据源,数据种类和格式日渐丰富,已冲破了以前所限定的结构化数据范畴,囊括了半结构化和非结构化数据。
第三,价值密度低。以视频为例,不间断监控视频中,有价值的数据可能仅有一两秒。找到有价值的信息有如沙里淘金,其价值却又弥足珍贵。
第四,处理速度快。在数据量非常庞大的情况下,也能做到数据的实时处理。这一点和传统的数据挖掘技术有着本质的不同。
大数据技术是指从各种类型的大体量数据中获得有价值信息的技术。这是大数据的核心问题。目前所说的大数据不仅指数据本身的规模,也包括采集数据的工具、平台和数据分析系统。大数据研发的目的是发展大数据技术并将其应用到相关领域,通过解决大体量数据处理问题促进其突破性发展。因此,大数据时代带来的挑战不仅体现在如何处理大体量数据并从中获取有价值的信息,也体现在如何加强大数据技术研发。大数据所涉及的关键技术大致包括6个方面:数据采集与数据管理、分布式存储和并行计算、大数据应用开发、数据分析与挖掘、大数据前端应用、数据服务和展现。
2大数据与Hadoop
大数据技术正在向各行各业渗透。Hadoop作为数据分布式处理系统的典型代表,已经成为该领域事实的标准。但Hadoop并不等于大数据,它只是一个成功的处理离线数据的分布式系统,大数据领域还存在众多其他类型的处理系统。
伴随大数据技术的普及,Hadoop因其开源的特点和卓越的性能成为一时的新宠,甚至有人认为大数据就是Hadoop,其实这是一个误区。Hadoop只是处理离线数据的分布式存储和处理系统。除了Hadoop,还有用于处理流数据的Storm、处理关系型数据的Oracle、处理实时机器数据的Splunk……目前主流的大数据系统很多,Hadoop只是其中的代表。
2.1Hadoop的核心模块
HadoopCommon:Hadoop的公用应用模块,是整个Hadoop项目的核心,为Hadoop各子项目提供各种工具,如配置文件和日志操作等,其他Hadoop子项目都是在此基础上发展起来的。
HadoopDistributedFileSystem(HDFS):Hadoop分布式文件系统,提供高吞吐量应用程序数据访问,并具有高容错性。对外部客户机而言,HDFS就像一个传统的分级文件系统,可以进行增删改查或重命名等常规文件操作。但实际上HDFS中的文件被分成块,然后复制到多个计算机中,这与传统的RAID架构大不相同。HDFS特别适合需要一次写入、多次读取的超大规模数据集的应用程序。
HadoopYARN:一个作业调度和群集资源管理框架。
HadoopMapReduce:基于YARN的大型数据分布式并行编程模式和程序执行框架,是Google的MapReduce的开源实现。它帮助用户编写处理大型数据集的并行运行程序。MapReduce隐藏了分布式并行编程的底层细节,开发人员只需编写业务逻辑代码,而无需考虑程序并行执行的细节,从而大大提高了开发效率。
Apache的其他与Hadoop相关的项目还有很多。
2.2Hadoop的特点
作为分布式计算领域的典型代表,Hadoop比其他分布式框架有更多的优点。
可扩展性:Hadoop可以在不停止集群服务的情况下,在可用的计算机集簇间分配数据并完成计算,这些集簇可以方便地扩展到数千节点中。
简单性:Hadoop实现了简单并行编程模式,用户不需要了解分布式存储和计算的底层细节即可编写和运行分布式应用,在集群上处理大规模数据集,所以使用Hadoop的用户可以轻松搭建自己的分布式平台。
性:Hadoop的分布式文件系统具有的数据交互设计,可以通过并行处理加快处理速度。Hadoop还是可伸缩的,能够在节点间动态地移动数据,并增加各个节点的动态平衡,因此处理速度非常快。
可靠性:Hadoop的分布式文件系统将数据分块储存,每个数据块在集群节点上依据一定的策略冗余储存,确保能够针对失败的节点重新分布处理,从而增加了数据的可靠性。
成本低:依赖于廉价服务器,它的成本比较低,任何人都可以使用。
在大数据时代,Hadoop以其优越的性能受到业界的广泛关注,已经成为大数据处理领域事实上的标准。如今,Hadoop在诸多领域大显身手。随着开源社区和国际众多国际技术厂商对这一开源技术的积极支持与持续的大量投入,相信不久的将来,Hadoop技术会被拓展到更多的应用领域。
尊重原创文章,转载请注明出处与链接:http://www.soxsok.com/wnews99213.html 违者必究! 以上就是关于“哈尔滨大数据培训学校报名电话”的全部内容了,想了解更多相关知识请持续关注本站。