1、大数据前沿知识及hadoop入门

2、hadoop部署进阶

3、大数据导入与存储

4、Hbase理论与实战

5、Spaer配置及使用场景

6、spark大数据分析原理

7、hadoop+spark大数据分析

方法/步骤

• 共1图 1

  第一阶段：大数据前沿知识及hadoop入门，大数据前言知识的介绍，课程的介绍，Linux和unbuntu系统基础，hadoop的单机和伪分布模式的安装配置。

• 2

  第二阶段：hadoop部署进阶。Hadoop集群模式搭建，hadoop分布式文件系统HDFS深入剖析。使用HDFS提供的api进行HDFS文件操作。Mapreduce概念及思想。

• 3

  第三阶段：大数据导入与存储。mysql数据库基础知识，hive的基本语法。hive的架构及设计原理。hive部署安装与案例。sqoop安装及使用。sqoop组件导入到hive。

• 4

  第四阶段：Hbase理论与实战。Hbase简介。安装与配置。hbase的数据存储。项目实战。

• 5

  第五阶段：Spaer配置及使用场景。scala基本语法。spark介绍及发展历史，spark stant a lone模式部署。sparkRDD详解。

• 6

  第六阶段：spark大数据分析原理。spark内核，基本定义，spark任务调度。sparkstreaming实时流计算。sparkmllib机器学习。sparksql查询。

• 7

  第七阶段：hadoop+spark大数据分析。实战案例深入解析。hadoop+spark的大数据分析之分类。logistic回归与主题推荐。