<big id="x8d78"><strong id="x8d78"></strong></big>
<acronym id="x8d78"><button id="x8d78"><address id="x8d78"></address></button></acronym>
<var id="x8d78"><delect id="x8d78"></delect></var><big id="x8d78"></big>
    1. <code id="x8d78"></code>
    2. <acronym id="x8d78"><button id="x8d78"></button></acronym>
      <code id="x8d78"><menuitem id="x8d78"><dl id="x8d78"></dl></menuitem></code>
      • 参会报名
      • 会议介绍
      • 会议日程
      • 会议嘉宾
      • 参会指南
      • 邀请函下载

      首页 > 商务会议 > IT互联网会议 > 2019 Hadoop、spark和NoSQL大数据实战(4月北京班) 更新时间:2019-03-22T17:02:54

      2019 Hadoop、spark和NoSQL大数据实战(4月北京班)
      收藏3人
      分享到

      2019 Hadoop、spark和NoSQL大数据实战(4月北京班) 已截止报名

      会议时间:2019-04-20 08:00至 2019-04-21 18:00结束

      会议地点: 北京  详细地址会前通知  

      会议规模:暂无

      主办单位: 麦思博(北京)软件技术有限公司(msup)

      推荐会议:MOSEC 移动安全技术峰会

      发票类型:增值税普通发票 增值税专用发票

      行?#31561;?#38144;热门关注看了又看 换一换

            会议介绍

            会议内容 主办方介绍


            2019 Hadoop、spark和NoSQL大数据实战(4月北京班)

            2019 Hadoop、spark和NoSQL大数据实战(4月北京班)宣传图

            课程简介

            当下是大数据时代,为构建大数据平台,技术人员需要对分布式计算平台有一定深入的理解和应用。

            目标?#25214;?/strong>

            通过本课程实践,帮助学员对Hadoop、spark和NoSQL生态系统有一个清晰明?#35828;?#35748;识;理解Hadoop、spark和NoSQL系统适用的场景;掌握Hadoop、spark和NoSQL等初中级应用开发技能;搭建稳定可靠的Hadoop、spark和NoSQL集群,满足生产环境的标准;了解和清楚大数据应用的几个行业中的经典案例,包括阿里巴巴,华为等。

            培训对象

            各类 IT/软件企业和研发机构的软件架构师、软件设计师、程序员。对于怀有设计疑问和问题,需要梳理解答的团队和个人,效果最佳。

            查看更多

             麦思博(北京)软件技术有限公司(msup) 麦思博(北京)软件技术有限公司(msup)

            麦思博(msup)有限公司发源美国西雅图,2007年创办,是一家面向技术型组织的培训咨询机构,服务于技术团队的技能提升、软件工程的实际应用和产品?#20998;实?#21019;新与超越。强调人员、技术、流程和管理的有机结合,注重角色岗位的技能提升与职业发展,以及技术团队复合管理与协作。每年超过1000家企业续单参与msup旗下公开课、工作坊、案例研究、国际游学等培训项目。

            会议日程

            (最终日程以会议现场为准)


            课程大纲

            大数据在国内的运用

            1、大数据在国内的使用介绍
            2、离线计算框架介绍
            3、流式计算框架介绍
            4、内存计算框架介绍
            5、内存流式计算介绍

            大数据的整体技术架构

            1、开源大数据技术架构
            2、开源大数据常用组件之间的依赖关系
            3、离线计算框架介绍
            —Mapreduce、Hive、Tez、Presto、Kylin
            4、实时查询框架介绍
            —NoSQL、Hbase
            5、实时计算框架介绍
            —Kafka、Strom、Spark Streaming
            6、内存计算框架介绍
            —Spark、SparkSQL、SparkMllib、SparkR
            7、前沿大数据技术介绍
            —Flink、Drill、Druid、KUDU等
            8、海量日志快速检索架构
            —ELK(Elasticsearch、Logstash、Kibana)等

            Hadoop平台优化点

            1、Linux系统的优化
            2、最佳?#24067;?#30340;选择和建议
            3、HDFS架构和原理
            4、HDFS的优化、维护和经常出?#20540;?#38382;题
            5、MapReduce架构和原理
            6、MapReduce的优化、维护和经常出?#20540;?#38382;题
            7、Yarn的内存、CPU和IO的优化
            8、Hbase的优化和生产环境常见的问题
            9、Hive的优化和Hive的改进工具介绍
            10、Impala、Kylin、Presto工具介绍
            11、RCFile、ORC和parquet格式介绍

            Hadoop核心组件的运维和配置

            1、HDFS的元数据管理 
            2、FSimage和Edit文件解析
            3、手动修改FSimage和Edit文件
            4、HDFS HA的架构运维解析
            5、Yarn服务运维详解
            6、Yarn核心配置参数?#21335;?#35299;
            7、Hbase服务运维详解
            8、手动设置Split和Compaction操作
            9、RS宕机的运维处理
            10、Hbase 超大表的优化实践

            Yarn实战

            1、Yarn架构和原理
            2、ResourceManager工作原理
            3、NodeManager工作原理
            4、ApplicationMaster工作原理
            5、Yarn的资源控制机制
            6、基于内存的控制设置
            7、基于CPU的控制设置
            8、基于IO的控?#26222;?#26159;
            9、Yarn为某个运用独立分配资
            10、基于队列的资源管理配置
            11、基于底层?#24067;?#30340;SLA资源配置
            12、不同部门或者用户的资源配置

            NoSQL和Hbase使用

            1、NoSQL介绍
            2、NoSQL应用场景
            3、Hbase原理
            4、Hmaster详解
            5、RegionServer详解
            6、Zookeeper介绍
            7、Hbase安装
            8、Hbase逻辑视图介绍
            9、Hbase物理视图介绍
            10、Hbase的二级索引介绍
            11、Hbase 的DDL和DML
            12、Hbase表的设计案例
            13、Hbase的import功能介绍
            14、MapReduce操作Hbase
            15、Hbase的 thrift Server介绍
            16、Hbase 的API介绍
            17、Hbase使用场景介绍
            18、Hbase案例分析
            实战:
            19、MapReduce操作Hbase实战
            20、Hbase的API实战
            21、Hbase表结构设计实战
            22、银行信用卡刷卡记录的查询

            Spark Streaming原理和实践

            1、Spark Streaming原理
            1.Spark流式处理架构
            2.DStream的特点
            3.Dstream的操作和RDD的区别
            4.SatefulRDD和windowRDD实战
            5.Kafka+Spark Steaming实战
            6.Spark Streaming的优化
            2、Kafka+Spark Streaming实例
            -文本实例
            3、网络数据处理

            Spark SQL原理和实践

            1、Spark SQL原理
            1)Spark SQL的Catalyst优化器
            2)Spark SQL内核
            3)Spark SQL和Hive
            2、DataFrame和DataSet架构
            3、Fataframe、DataSet和Spark SQL的比较
            4、SparkSQL parquet格式实战
            5、Spark SQL的实例和编程
            -Spark SQL的实例操作demo
            6、Spark SQL的编程

            Spark优化

            1、Spark SQL的优化
            2、基于Spark计算的文件格式选择
            3、Spark on Yarn的优化
            4、Spark SQL执行计划的优化
            5、Spark 内存管理的机制

            互联网大数据案例分享

            1、金融大数据应用案例介绍
            2、某银?#35874;?#20110;大数据平台风险监控案例
            3、某银?#35874;?#20110;大数据数据湖的案例
            4、SAP的HANA实时计算平台案例分析

            查看更多

            会议嘉宾

            (最终出席嘉宾以会议现场为准)


            Gavin.Liu

            Teradata 云平台系统架构师

            目前在Teradata担任GCA大数据架构师,曾经在阿里巴巴和高德,任职于大数据平台建设(Hadoop)。

            1)编写并出版《Hadoop应用开发技术详解》图书,销售10000+册——机械工业出版社(2014-01)

            2)专利《海量数据基于记录级别的容错》

            查看更多

            参会指南

            会议门票


            会务费:6800元/人,包含参会,住宿交通自理。

            查看更多

            温馨提示
            酒店与住宿: 为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
            退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

            活动家为本会议官方合作
            报名平台,您可在线购票

            会议支持:

            • 会员折扣
              该会议支持会员折扣
              具体折扣标准请参见plus会员页面
            • 会员返积分
              每消费1元累积1个会员积分。
              仅PC站支持。
            • 会员积分抵现
              根据会员等级的不同,每抵用1元可使用的积分也不一样,具体可参见PLUS会员页面。 仅PC站支持。

            会议地点

            部分参会单位

            主办方没有公开参会单位

            快捷下单

            微信扫一扫
            使用小程序快捷下单

            邮件提醒通知

            分享到微信 ×

            打开微信,点击底部的“发现?#20445;?br> 使用?#21543;?#19968;扫”即可将网页分享至朋友圈。

            录入信息

            请录入信息,方便生成邀请函

            166彩票网
            <big id="x8d78"><strong id="x8d78"></strong></big>
            <acronym id="x8d78"><button id="x8d78"><address id="x8d78"></address></button></acronym>
            <var id="x8d78"><delect id="x8d78"></delect></var><big id="x8d78"></big>
              1. <code id="x8d78"></code>
              2. <acronym id="x8d78"><button id="x8d78"></button></acronym>
                <code id="x8d78"><menuitem id="x8d78"><dl id="x8d78"></dl></menuitem></code>
                <big id="x8d78"><strong id="x8d78"></strong></big>
                <acronym id="x8d78"><button id="x8d78"><address id="x8d78"></address></button></acronym>
                <var id="x8d78"><delect id="x8d78"></delect></var><big id="x8d78"></big>
                  1. <code id="x8d78"></code>
                  2. <acronym id="x8d78"><button id="x8d78"></button></acronym>
                    <code id="x8d78"><menuitem id="x8d78"><dl id="x8d78"></dl></menuitem></code>