【课程目标】
Hadoop作为开源的云计算平台，为大数据处理提供了一整套解决方案，应用非常广泛。Hadoop作为一个平台框架，包括了如何存储海量数据，如何处理海量数据，以及相应的数据库、数据仓库、数据流处理、数据分析和挖掘算法库，等等。本课程主要介绍Hadoop的思想、原理，以及重要技术等相关知识。
通过本课程的学习，达到如下目的：
1、全面了解大数据处理技术的相关知识。
2、学习Hadoop的核心技术以及应用。
3、深入掌握Hadoop的相关工具在大数据中的使用。
4、掌握Hadoop的常用模块的工作原理及开发应用技术。
5、掌握传统数据中心向大数据中心转换的关键技术。
6、掌握海量数据处理的性能优化及维护技巧。
【授课时间】
2天时间
【授课对象】
网络部、大数据系统开发部、大数据中心、网络运维部等相关技术人员。
【授课方式】
原理精讲+案例演练+开发实践+系统优化
【课程大纲】
第一部分：Hadoop的基本框架
1、大数据时代面临的问题
2、当前解决大数据的技术方案
3、Hadoop架构和云计算
4、Hadoop简史及安装部署
5、Hadoop设计理念和生态系统
第二部分：HDFS分布式文件系统--海量数据存储的摇篮
1、HDFS的设计目标
2、HDFS的基本架构
NameNode名称节点
SecondaryNameNode第二名称节点
DataNode数据节点
3、HDFS的存储模型
数据块存储
元数据存储（空间镜像与编辑日志）
多副本存储
4、多副本放置策略
5、多数据节点管理机制与交互过程
6、文件系统操作与管理
读文件过程
写文件过程（数据流管道）
7、数据完整性机制
数据校验和
数据完整性扫描线程
元数据备份与合并
8、数据可靠性设计
安全模式（数据块与节点映射关系管理）
心跳检测机制（节点失效管理）
租约机制（多线程并发控制）
9、其它
HDFS的安全机制
负载均衡
文件压缩
10、操作接口与编程接口
HDFSShell
HDFSCommands
WebHDFS REST API
HDFSJava API
演练：HDFS文件操作命令
演练：HDFS编程示例
第三部分：MapReduce分布式计算系统--海量数据处理的利器
1、MapReduce的三层设计理念
分布治之的设计思想（Map与Reduce）
数据处理引擎（编程模型）
运行时环境（任务调度与执行）
2、MapReduce的基本架构
JobTracker作业跟踪器
TaskTracker任务跟踪器
MapReduce与HDFS的部署关系
3、MapReduce编程模型概述
编程接口介绍
Hadoop工作流实现原理
4、MapReduce作业调度机制
MapReduce作业生命周期
作业调度策略
静态资源管理方案
5、数据并行处理机制（五步骤）
Input阶段实现
Map阶段实现
Shuffle阶段实现
Reduce阶段实现
Output阶段
6、MapReduce容错机制
任务失败与重新尝试
节点失效与重调度
单点故障
7、MapReduce性能优化
优化方向与思路
磁盘IO性能优化
分片优化
线程数量优化
内存优化
压缩优化
8、MapReduce操作接口
Job Shell
Web UI
案例演练：MapReduce编程示例
9、YARN：下一代通用资源管理系统
MRv1的局限性
YARN基本框架
NNHA：解决单点故障
HDFS Federation：解决扩展性问题
第四部分：Hbase非关系型数据库--海量数据的黎明
1、Hbase的使用场景
2、Hbase的基本架构
Zookeeper分布式协调服务器
Master主控服务器
RegionServer区域服务器
3、Hbase的数据模型
Hbase的表结构
行键、列键、时间戳
4、Hbase的存储模型
基本单位Region
存储格式HFile
5、数据分裂机制Split
6、数据合并机制Compaction
minor compaction
major compaction
7、HLog写前日志
8、数据库读写操作
数据库写入
数据库读取
三次寻址
9、Hbase操作接口
Native Java API
Hbase Shell
批量加载工具
HiveQL操作
10、Hbase性能优化
写速度优化
读速度优化
11、Hbase集群监控与管理
案例演练：HBase命令操作实例
第五部分：Hive分布式数据仓库--高级的编程语言
1、Hive是什么
2、Hive与关系数据库的区别
3、Hive系统架构
用户接口层
元数据存储层
驱动层
4、Hive常用服务
5、Hive元数据的三种部署模式
6、Hive的命名空间
7、Hive数据类型与存储格式
数据类型
TextFile/SequenceFile/RCFile
8、Hive的数据模型
管理表
外部表
分区表
桶表
9、HQL语言命令实例
DDL数据定义语言
DML数据操作语言
QUERY数据查询语言
10、Hive自定义函数
基本函数（UDF）
聚合函数（UDAF）
表生成函数（UDTF）
11、Hive性能优化
动态分区
压缩
索引
JVM重用
案例演练：Hive命令操作实例
第六部分：Sqoop数据交互工具--与传统数据库的桥梁
1、Sqoop是什么
2、Sqoop的架构和功能
Sqoop1架构
Sqoop2架构
3、数据双向交换
数据导入过程
数据导出过程
4、数据导入工具与命令介绍
案例演练：Sqoop数据导入/导出实际操作
第七部分：Pig数据流处理引擎--数据脚本语言
1、Pig介绍
2、命令行交互工具Grunt
3、Pig数据类型
4、PigLatin脚本语言介绍
基础知识
输入和输出
关系操作
调用静态Java函数
5、PigLatin高级应用
6、开发与测试PigLatin脚本
开发工具
任务状态监控
调试技巧
7、脚本性能优化
8、用户自定义函数UDF
案例演练：PigLatin脚本编写、测试与运行操作
结束：课程总结与问题答疑。
