哈尔滨大数据培训

课程级别：入门级

培训周期：4-6个月

上课时间：周末班、晚班

班 型：10人/班

上课地点：哈尔滨市南岗区哈西大街299号西城红场B座15层爱尚实训

授课对象：针对在读大专、本科学生、研究生、在职、离职准备转岗人员等编程爱好人员

爱尚特色

闯关式实训模式

每天一次项目解读、每天一次作业提交，每周一次技术考评，每月一次项目答辩，每阶段一次闯关考核，使学员“毕业即可上岗，上岗就能胜任”。

企业化管理方式

以项目组为单位的（10-15人）小班教学，分配工位、佩戴工牌、指纹考勤、项目管理工具、企业化开发与测试环境配备，资深项目经理亲自带队。

商业化项目案例

一线商用实训项目，涉及电子商务、ERP（企业资源计划）、MIS(管理信息系统）、CRM（客户关系管理）、BI（商业智能）、数据分析等领域。

无忧的就业保正

收/退费标准透明合理（每课时30元），一次收费培训至满意就业为止，闯关成功即可推荐就业（IT行业对口就业），签署正规协议，保正学员权益。

哈尔滨爱尚实训大数据介绍

第易部分java基础及深化

包括J2SE

J2SE基础

1、Java环境搭建，讲解程序基本语法、分支结构程序设计

2、循环结构程序设计

3、介绍一维数组、二维数组的使用，及使用数组进行大量数据的处理。排序算法

4、介绍自定义方法的使用，实现多方法构成程序的模式，查找算法

5、面向对象程序设计

6、讲解面向对象的封装和继承的使用、super、final的使用，及多态示例

7、讲解Java程序中的抽象类和接口的使用，多态的深化、多态优缺点

8、集合使用，集合的体系结构，list、set、map数据结构、基础使用

9、Java中的I0操作及文件处理，字节流、字符流、编码集

10、异常体系结构、异常处理机制、自定义异常

11、jdbc操作，数据表的增、删、改、查

12、静态使用，包括静态变量、静态方法、构造代码块、局部代码块、单例

13、线程的实现

14、线程的同步

15、线程的通信

16、线程池和消息队列（activemq的使用）

17、反射

18、动态代理

19、socket通信、io流

20、nio的原理、高性能nio框架netty

第二部分 Linux和Zookeeper

包括 Linux、Zookeeper

Linux

1、VMWare、 Linux的安装

2、Linux的命令

3、Linux系统命令、免密登陆

4、制作yarn源、软件安装（jdk+tomcat+mysql）

5、Linux的shell编程

Zookeeper

1、搭建部署zookeeper集群以及原理

2、java操作zookeeper开发分布式应用系统服务器上下线动态感知程序

第三部分 Hadoop原理和实战

包括 HDFS、mapreduce、Hive、辅助工具、软件的使用、Hbase、项目实训

HDFS

1、Hadoop生态圈的介绍、Hadoop集群的环境搭建和常用命令

2、HDFS分布式文件系统的原理和API开发

mapreduce

1、mapreduce核心思想、文件切片、job提交过程解析

2、mapreduce自定义排序组件和partition组件

3、shuffle过程解析、参数配置

4、mapreduce程序（1）：统计文件中单词个数、词频的排序

5、mapreduce程序（2）：关联查询、求同一订单中最大金额

6、mapreduce程序（3）：寻找共同好友、运营商流量日志的增强

Hive

1、Hive的安装和使用，常用HQL命令

2、分区和分桶命令精讲、累计求和的模型

3、自定义函数和transform的使用

4、HQL常用模型

辅助工具软件的使用

1、flume的安装和使用

2、azkaban的安装和使用

3、sqoop的安装和使用

Hbase

1、HBase简介、原理、安装

2、HBase的shell命令、javaAPI操作HBase

★实训项目★

1、基于日志挖掘的点击流系统的分析和实现

2、云笔记项目的分析和实现

第四部分实时流计算storm技术和实战

包括 Storm、项目实训

Storm

1、实时流计算storm技术的介绍、和部署

2、Storm原理：任务提交过程、内部通信机制

3、消息缓存技术Kafka原理和部署。生产者和消费者案例的讲解

4、Flume、kafka、storm技术的整合。

5、分布式缓存redis集群技术的使用

6、订单实时处理业务的分析、实时业务的性能指标和代码实现

★实训项目★

1、实时点击流的日志监控系统的分析和实现

2、电商交易风险控制系统的分析和实现

3、基于mahout推荐系统的分析和实现

第五部分Spark技术和实战

包括 Spark技术、项目实训、源码解读、大数据的算法和结果展现

Spark技术

1、scala语法入门。数组、集合、面向对象、模式匹配

2、基于kafka实现RPC框架的封装

3、Spark简介、集群搭建、算子

4、基于单词统计的spark入门案例

5、Spark的分区、排序、连接的应用案例。

6、深入讲解spark的任务提交流程，spark操作数据库的API

7、Spark的stage、依赖划分技术。

8、sparkSQL介绍、dataframe、spark整合hive

9、SparkStreaming代码编写

10、SparkStreaming数据累加、SparkStreaming整合flume、kafka

★实训项目★：基于Spark技术的游戏项目的分析和实现

源码解读

Spark源码解读

大数据的算法和结果展现

1、Python

2、机器学习算法

3、numpy基本API、K近邻算法、贝叶斯算法、kemean算法、决策树算法、支持向量机算法、主成成分算法

4、数据报表呈现、echart

★项目展示★