大数据实时处理–Spark及BDAS技术应用

随着互联网、移动互联网和物联网的发展，我们已经切实地迎来了一个大数据的时代。大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合，对大数据的实时分析已经成为一个非常重要且紧迫的需求。目前对大数据的实时分析工具，业界公认最佳为Spark。Spark是基于内存计算的大数据并行计算框架，Spark目前是Apache软件基金会旗下，顶级的开源项目，Spark作为MapReduce的替代方案，兼容HDFS、Hive等分布式存储层，可融入Hadoop的生态系统，以弥补缺失MapReduce的不足，事实上已成为当前互联网企业主流的大数据实时处理工具。

 

培训对象

1，系统架构师、系统分析师、高级程序员、资深开发人员。

2，牵涉到大数据实时处理的数据中心运行、规划、设计负责人。

3，政府机关、金融保险、移动和互联网等大数据来源单位的负责人。

4，高校、科研院所牵涉到大数据与分布式数据处理的项目负责人。

 

学员基础

1，对IT系统设计有一定的理论与实践经验。

2，数据仓库与大数据实时处理有一定的基础知识。

培训要点

互联网点击数据、传感数据、日志文件、具有丰富地理空间信息的移动数据和涉及网络的各类评论，成为了海量信息的多种形式。当数据以成百上千TB不断增长的时候，我们在内部交易系统的历史信息之外，需要一种基于大数据实时分析的决策模型和技术支持。

大数据通常具有：数据体量(Volume)巨大,数据类型(Variety)繁多,价值(Value)密度低,处理速度(Velocity)快等四大特征。如何有效管理和高效处理这些大数据已成为当前亟待解决的问题。大数据实时处理意味着更严峻的挑战，更好地管理和处理这些数据也将会获得意想不到的收获。

Spark生态系统(BDAS项目)已经发展成一个包含多个子项目的集合，Spark SQL、Spark Streaming、GraphX、MLlib等，本课程将介绍Spark大数据计算框架、架构、计算模型和数据管理策略，及Spark在业界的应用。

本课程从大数据实时处理技术以及Spark实战的角度，结合理论和实践，全方位地介绍Spark大数据实时处理工具的原理和内核。

本课程教学过程中提供了案例分析来帮助学员了解如何用BDAS系列工具来解决具体的问题，并介绍了从大数据中挖掘出有价值的信息的关键所在。

本课程不是一个泛泛的理论性、概念性的介绍课程，而是针对问题讨论解决方案的深入课程。讲师对于上述领域有深入的理论研究与实践经验，在课程中将会针对这些问题与学员一起进行研究，在关键点上还会在实验环境中演示、实践，以加深对于这些解决方案的理解。通过本课程学习，希望推动大数据相关的项目开发上升到一个新水平。

 

培训内容

第一讲 Spark大数据实时处理技术

  1）大数据处理技术

  2）Spark实时处理技术

  3）Spark生态系统BDAS

  4）Spark架构分析

第二讲 Spark安装配置及监控

  1）Ubuntu环境的准备

  2）Hadoop2.X和Scala

  3）搭建Spark开发环境

  4）Idea编译和运行

  5）Spark监控管理

第3讲 Scala编程语言使用概述

  1) Scala编程语言

  2) 基本数据类型

  3) 操作基本数据类型

  4) 类和对象

  5) 组合和继承

第四讲 Spark分布式计算框架

  1）Spark计算模型

  2）弹性分布式数据集RDD

  3）Spark的数据存储

  4）Transformation算子分类及功能

  5）Actions算子分类及功能

第五讲 Spark内部工作机制详解

  1)  Spark底层实现原理

  2)  Spark应用执行机制

  3)  Spark调度与任务分配模块

  4)  FIFO和FAIR调度算法

第六讲 Spark数据读取与存储

   1）Spark的I/O机制

   2）Spark中的数据压缩

   3）Spark的数据读取与存储

   4）Spark数据读写流程

第七讲 Spark通信模块和容错机制

   1）Spark通信模块

   2）通信框架AKKA

   3）容错机制和Lineage依赖

   4）检查点机制进行容错

   5）Shuffle过程

第八讲 SQL On Spark

   1) BDAS数据分析软件栈

   2) SQLOn Spark

   3)Spark SQL工具使用

   4)Shark工具使用

5) Hive on Spark工具

6) Spark操作HBase中的数据

第九讲 Spark流数据处理工具Streaming

   1） 流数据处理工具Streaming

   2）Spark Streaming架构

   3）Spark Streaming原理

   4）Spark Streaming实例

第十讲 Spark中的大数据挖掘工具MLlib

   1）大数据挖掘工具MLlib

   2）MLlib的数据存储

   3）MLlib中的聚类和分类

   4）MLlib算法应用实例

   5）利用MLlib进行推荐

第十一讲 Spark大规模图处理工具GraphX

   1）大规模图处理工具GraphX

   2）GraphX的运行架构

   3）GraphX操作使用

   4）GraphX使用实例

第十二讲 Spark在业界的应用案例

   1）Spark在Amazon的应用

   2）Spark在Yahoo!的应用

   3）Spark在Telefonica的应用

   4）Spark在淘宝的应用

 

六、培训目标

1, 全面了解大数据实时处理技术的相关知识。

2，学习Spark的核心技术方法以及应用特征。

3，深入使用Spark在大数据实时处理中的使用。

4，掌握BDAS相关工具及其主要功能。

 

七、培训时间、地点

时间： 2015年4月22日-4月24日         地点：北京

       2015年5月13日-5月15日        地点：上海