wangruoze

决胜大数据时代：Hadoop&Yarn&Spark企业级最佳实践（8天完整版脱产式培训版本）

Hadoop、Yarn、Spark是企业构建生产环境下大数据中心的关键技术，也是大数据处理的核心技术，是每个云计算大数据工程师必修课。

课程简介

大数据时代的精髓技术在于Hadoop、Yarn、Spark，是大数据时代公司和个人必须掌握和使用的核心内容。

Hadoop、Yarn、Spark是Yahoo！、阿里淘宝等公司公认的大数据时代的三大核心技术，是大数据处理的灵魂，是云计算大数据时代的技术命脉之所在，以Hadoop、Yarn、Spark为基石构建起来云计算大数据中心广泛运行于Yahoo！、阿里淘宝、腾讯、百度、Sohu、华为、优酷土豆、亚马逊等公司的生产环境中。

Hadoop、Yarn、Spark三者相辅相成

n Hadoop中的HDFS是大数据时代公认的首选数据存储方式；

n Yarn是目前公认的最佳的分布式集群资源管理框架；

n Spark是目前公认的大数据统一计算平台；

Hadoop在云计算大数据的发展早期做出了卓越的贡献，对Hadoop的理解尤其是从源码角度掌握其架构和运行机制是每个云计算大数据从业人员的必修课；作为目前公认的集群资源管理和分配框架的Yarn发展到现在已经非常成熟了，在国内以淘宝为引领者的公司把Yarn的使用推向了新的巅峰，作为大数据从业者，Yarn是另外一项必修技术；Spark是继Hadoop之后，成为替代Hadoop的下一代云计算大数据核心技术，目前SPARK已经构建了自己的整个大数据处理生态系统，如流处理、图技术、机器学习、Interactive Ad-Hoc Query等方面都有自己的技术，并且是Apache顶级Project，可以预计的是2014年下半年到2015年在社区和商业应用上会有爆发式的增长，国外一些大型互联网公司已经部署了Spark，甚至连Hadoop的早期主要贡献者Yahoo现在也在多个项目中部署使用Spark；国内的淘宝、优酷土豆、网易、Sohu、Baidu、腾讯、皮皮网、华为等已经使用Spark技术用于自己的商业生产系统中，国内外的应用开始越来越广泛。Spark正在逐渐走向成熟，并在这个领域扮演更加重要的角色，刚刚结束的2014 Spark Summit上的信息，Spark已经获得世界20家顶级公司的支持，这些公司中包括Intel、IBM等，同时更重要的是包括了最大的四个Hadoop发行商（Cloudera, Pivotal, MapR, Hortonworks）都提供了对非常强有力的支持Spark的支持，尤其是是Hadoop的头号发行商Cloudera在2014年7月份宣布“Impala’s itfor interactive SQL on Hadoop; everything else will move to Spark”，具体链接信息 http://t.cn/Rvdsukb，不得不提的是Spark的“One stack to rule them all”的特性，Spark的特点之一就是用一个技术堆栈解决云计算大数据中流处理、图技术、机器学习、交互式查询、误差查询等所有的问题，此时我们只需要一个技术团队通过Spark就可以搞定一切问题，而如果基于Hadoop就需要分别构建实时流处理团队、数据统计分析团队、数据挖掘团队等，而且这些团队之间无论是代码还是经验都不可相互借鉴，会形成巨大的成本，而使用Spark就不存在这个问题；

工业和信息化部电信研究院于2014年5月发布的“大数据白皮书”中指出：

“2012 年美国联邦政府就在全球率先推出“大数据行动计划（Big datainitiative）”，重点在基础技术研究和公共部门应用上加大投入。在该计划支持下，加州大学伯克利分校开发了完整的大数据开源软件平台“伯克利数据分析软件栈（Berkeley Data Analytics Stack），其中的内存计算软件Spark的性能比Hadoop 提高近百倍，对产业界大数据技术走向产生巨大影响”

----来源：工业和信息化部电信研究院

2014 SparkSummit上结束之后，整个云计算大数据就已经发声巨变：

1，2014年5月24日Pivotal宣布了会把整个Sparkstack包装在Pivotal HDHadoop发行版里面。这意味这最大的四个Hadoop发行商（Cloudera, Pivotal, MapR, Hortonworks）都提供了对Spark的支持。http://t.cn/RvLF7aM星火燎原的开始；

2，Mahout前一阶段表示从现在起他们将不再接受任何形式的以MapReduce形式实现的算法，另外一方面，Mahout宣布新的算法基于Spark；

3，Cloudera的机器学习框架Oryx的执行引擎也将由Hadoop的MapReduce替换成Spark；

4，Google已经开始将负载从MapReduce转移到Pregel和Dremel上；

5，FaceBook则将原来使用Hadoop的负载转移到Presto上；

现在很多原来使用深度使用Hadoop的公司都在纷纷转向Spark，国内的淘宝是典型的案例，国外的典型是Yahoo！，我们以使用世界上使用Hadoop最典型的公司Yahoo！为例，大家可以从Yahoo！的数据处理的架构图看出Yahoo！内部正在使用Spark：

不得不提的是Spark的“One stack to rule them all”的特性，Spark的特点之一就是用一个技术堆栈解决云计算大数据中流处理、图技术、机器学习、交互式查询、误差查询等所有的问题，此时我们只需要一个技术团队通过Spark就可以搞定一切问题，而如果基于Hadoop就需要分别构建实时流处理团队、数据统计分析团队、数据挖掘团队等，而且这些团队之间无论是代码还是经验都不可相互借鉴，会形成巨大的成本，而使用Spark就不存在这个问题；

伴随Spark技术的普及推广，对专业人才的需求日益增加。Spark专业人才在未来也是炙手可热，作为Spark人员，需要掌握的技能模型如下：

本次课程由具有长期Hadoop、Yarn、Spark源码研究和多个大数据中心构建经验的Spark亚太研究院院长和首席专家主讲，内容深入浅出而直接源码本质，以大数据案例实施和开发的视角带领大家一睹云计算大数据的核心精髓和最佳实践。

品质特色

1、聚集大数据领域最核心的三大技术（Hadoop、Yarn、 Spark）

Hadoop方向50%：掌握生产环境下、源码级别下的Hadoop经验，帮助客户解决性能、集群的一些难点问题；

Yarn方向10%：掌握最佳的分布式集群资源管理框架，能够轻松使用Yarn管理Hadoop、Spark等；

Spark方向30%：未来统一的大数据框架平台，剖析Spark架构、内核等核心技术及四大子框架和商业案例，一次性解决Spark开发中所有的问题

2、课程内容接地气，即解决当下的问题，有帮助企业驾驭未来

3、课程会从本质架构级别入手，围绕源代码剖析，商业案例进行授课

学员收益

1、掌握构建大数据中心架构所需的实战技术

2、对Hadoop,yarn,spark的理解是本质级别的理解，对未来自学、解决生产环境难题会有很大的帮助

3、 10个世界级商业应用案例分享，开拓学员视野

4、课程本身将从生产角度切人，从数据采集、构建生产系统入手

5、课前会提供大量资料及环境构建，课后提供免费交流机会，如沙龙活动及课后学习包

学员基础

对大数据有强烈兴趣，能够读懂Java等语言的基本语法；

---讲师:

王家林 :

Spark亚太研究院院长和首席专家，中国目前唯一的移动互联网和云计算大数据集大成者。

在Spark、Hadoop、Android等方面有丰富的源码、实务和性能优化经验。彻底研究了Spark从0.5.0到0.9.1共13个版本的Spark源码，并已完成2014年5月31日发布的Spark1.0源码研究。

Hadoop源码级专家，曾负责某知名公司的类Hadoop框架开发工作，专注于Hadoop一站式解决方案的提供，同时也是云计算分布式大数据处理的最早实践者之一；

Android架构师、高级工程师、咨询顾问、培训专家；

通晓Spark、Hadoop、Android、HTML5，迷恋英语播音和健美；

致力于Spark、Hadoop、Android、HTML5的软、硬、云整合的一站式解决方案；

超过10本的IT畅销书作者；

Hadoop领域4个开创先河

1，全程覆盖Hadoop的所有核心内容

2，全程注重动手实作，循序渐进中掌握Hadoop企业级实战技术

4，具备掌握Hadoop完整项目的分析、开发、部署的全过程的能力

Yarn领域的2个先河：

1，第一个在生产环境的下解析Yarn的课程；

2，细致剖析Yarn实现的架构和源码；

Spark领域开创6个世界第一:

1，这是世界上第一个全程覆盖以Spark为核心的大数据的所有内容的课程：包含Scala、Spark、Spark与Hadoop的结合、企业生产环境下的商业案例、框架源码剖析等；

2，这是世界上第一个Spark大数据零基础课程：学习此课程不需要任何基础，所有的内容在课程中都会细致的剖析，学员不需要额外学习任何内容，从零基础到直到进入企业工作；

3，这是世界上第一个全程注重动手实作的大数据课程：通过不断的案例实践的循序渐进中掌握Spark企业级实战技术；

4，这是世界上第一个彻底而系统的讲解Spark 1.0的课程：根据Spark的最新稳定版本，包括Spark集群的构建，Spark架构设计、Spark内核剖析、Shark、Spark SQL、Spark Streaming、图计算GraphX、机器学习、Spark on Yarn、JobServer等；

5，这是世界上第一个使用Spark商业案例教学的课程：展示企业线上生产系统中应用 Spark的成功案例，以及与现有企业BI平台整合的方案；

6，这是世界上第一个讲解Spark与Hadoop完美结合的课程：目前而言，在世界的生产环境中往往是Spark和Hadoop并存，如何驾驭这种并存架构，在课程中给出了完美的解答，尤其是通过企业案例讲解，以达到最优化使用大数据系统潜能的目的；