甲方大数据、云计算与信息化实践内训方案
培训背景
“数据为王”的时代,大数据将带来一次全新的革命,将改变众多企业的命运。本课程通过专业的大数据、云计算架构体系与业界真实案例来全面提升相关人员的管理水平,以及企事业单位的信息化项目规划和落地,提升竞争力优势。
本课程的授课师资都是有着多年在一线从事大数据、云计算项目的资深讲师,采用理论、技术和实战案例相结合的方式开展互动教学、强化如何建立大数据、云计算项目管理方案、技术讨论与交流咨询,在学习的同时促进老师学员之间的交流,让大家学到实实在在的大数据和云计算理论知识体系及技术技巧,具备项目实施中的管控能力。授课过程中,根据学员需求,增设交流环节,可将具体工作中遇到的实际问题展开讨论,讲师会根据学员的实际情况微调授课内容,由讲师带着全部学员积极讨论,并给出一定的时间让学员上台发言,现场剖析问题的症结,规划出可行的解决方案。
培训收益
1.深刻理解在“互联网+”时代下大数据、云计算的产生背景、发展历程和演化趋势;
2.了解业界市场需求和国内外最新的大数据技术潮流,洞察大数据的潜在价值;
3.理解大数据项目解决方案及业界应用案例,为在大数据项目中的选型及设计提供决策参考;
4.了解业界最流行的Hadoop与Spark大数据技术体系;
5.让学员掌握云计算基础知识,虚拟化技术,包括计算虚拟化,网络虚拟化,存储虚拟化,以及云管理平台解决方案,包括VMware云管理平台、OpenStack云管理平台、Docker容器云管理平台解决方案;
6.让学员掌握业界成功的云计算案例,大型互联网公司和政府智慧城市云平台的管理应用案例。
培训特色
本次培训从案例分析与行业应用穿插;专家精彩内容解析、学员专题讨论、分组研究;通过全面知识理解、专题技能演示和实践引导学员掌握课程内容。
课程大纲
时间 | 知识模块 | 授课内容 |
---|---|---|
第一天 上午 | 大数据基础 |
1.什么是大数据 2.大数据技术的产生背景 3.大数据应用场景 4.大数据思维 5.大数据产业链 6.大数据是如何变革各行业的技术架构、商业模式和组织方式 7.大数据必备的技术基础 |
业界主流的Hadoop大数据平 台技术产品与项目解决方案 |
8.国内外主流的大数据解决方案介绍 9.当前大数据解决方案与传统数据库方案的剖析比较 10.Apache Hadoop大数据平台全流程解决方案 11.Cloudera Hadoop大数据平台全流程解决方案 12.HDP Hadoop大数据平台解决方案 13.开源的大数据生态系统平台剖析 | |
大数据平台解决方案 |
14.Hadoop的发展历程以及产业界实际应用介绍 15.Hadoop大数据平台架构 16.基于Hadoop平台的PB级大数据存储管理与分析处理的工作原理与机制 17.Hadoop的核心组件剖析 18.Hadoop大数据解决方案和产品 | |
第一天 下午 |
大数据管理系统应用实战 与解决方案 |
19.大数据管理系统介绍 20.NoSQL数据库与NewSQL数据库技术介绍,及Hadoop数据库典型代表 21.HBase在半结构化和非结构化大数据管理方面的应用实践 22.NOSQL大数据管理解决方案 23.NOSQL管理图数据方案 24.NOSQL 管理非结构化数据方案 25.分布式数据库管理结构化数据方案 |
大数据监控管理解决方案 |
26.大数据运维监控管理系统:HUE平台的监控管理解决方案 27.大数据运维管理监控系统Ambari平台 28.Hadoop集群运维Ganglia, Nagios解决方案 | |
大型数据仓库与 数据中心解决方案 |
29.基于Hadoop的大型分布式数据仓库基础知识,HIVE在行业中的数据仓库应用案例 30.政务大数据仓库的建设 31.持续增长的数据仓库的建设实施案例 | |
第二天 上午 |
实时大数据分析处理 平台的解决方案 |
32.Spark的发展历程以及业界的实际应用介绍 33.Spark实时大数据处理平台架构 34.Spark RDD内存弹性分布式数据集的工作原理与机制 35.Spark的核心组件剖析 36.基于Spark的实时数据仓库与实时分析挖掘处理在行业中的应用实践案例 |
政府部门大数据应用案例 |
37.医疗大数据应用 38.数字城市大数据应用 39.国土大数据应用 40.电力大数据应用 41.城市管理大数据应用 | |
大数据中心常见 问题及应对之策 |
42.大数据中心的数据治理问题及应对之策 43.大数据中心的安全问题及应对之策 44.大数据中心的更新升级问题及应对之策 45.大数据中心的访问控制问题及应对之策 46.大数据中心的能源供应问题及应对之策 47.大数据中心的双活备用问题及应对之策 | |
云计算基础 |
48.云计算技术应用解决方案,智慧城市与云计算技术应用,移动互联网、大数据与云计算应用解决方案 49.云计算和大数据技术在运营商、金融业、银行业、电子商务行业、零售业、制造业、政务信息化、互联网、教育信息化等行业应用实践 50.云计算平台技术与层次架构分析 51.云计算的服务模式与SPI服务模型,IaaS、PaaS、SaaS、DaaS技术解析 52.公有云计算平台、私有云平台、混合云平台 53.政务云平台的实施案例 | |
云计算关键技术 |
54.云计算和虚拟化平台的成熟应用案例 55.云计算与虚拟化平台的关键技术 56.云计算平台的架构设计与实现 57.云资源池管理解决方案剖析 58.云计算分布式计算技术以及存储虚拟化、计算虚拟化、网络虚拟化技术原理 59.桌面虚拟化、服务器虚拟化技术原理及应用 | |
第二天 下午 | 云计算解决方案 |
60.云计算与虚拟化技术的应用解决方案 61.重点讲解业界主流的标准化云计算平台产品的平台架构及其应用概况 62.OpenStack云计算虚拟化管理平台解决方案 63.VMware VSphere云计算虚拟化集群管理平台解决方案 64.容器虚拟化云平台解决方案,包括Docker云平台方案与产品 |
云平台运维管理 |
65.商业云计算平台VMware的运维管理 66.开源云计算平台OpenStack的运维管理 67.容器云平台Docker和Kubernetes运维管理 68.云平台的自动化运维的挑战与解决之道 69.云平台的运维特征分析与特点 70.云平台的安全运维之道 71.云平台运维系统的规划设计和系统架构 72.云运维管理角色的职责设计 73.云平台的平台优化运维 74.云平台的系统监控层维护 | |
信息化项目建设管理系统 流程及相关的系统知识 |
75.信息化项目的管理流程 76.信息化项目管理需要具备的系统知识 77.主机规划知识、ICT系统知识 78.交流讨论:根据讲师布置的实际应用案例,开展大数据完整项目部署设计和应用开发实践、大数据项目的需求分析、应用实施以及解决方案 | |
第三天 上午 | 大数据基础技术 |
79.大数据的4V特征,以及与云计算的关系 80.大数据应用需求以及潜在价值分析 81.业界最新的大数据技术发展态势与应用趋势 82.大数据项目的系统与技术选型,及落地实施的挑战 83.“互联网+”时代下的电子商务、制造业、零售批发、电信运营商、互联网金融业、电子政务、移动互联网、教育信息化等行业应用实践与应用案例介绍 |
业界主流的大数据 技术方案 |
84.大数据软硬件系统全栈与关键技术介绍 85.主流的大数据解决方案介绍 86.Apache大数据平台方案剖析 87.CDH大数据平台方案剖析 88.HDP大数据平台方案剖析 89.大数据解决方案与传统数据库方案比较 | |
大数据计算模型(一) 批处理MapReduce |
90.MapReduce产生背景与适用场景 91.MapReduce计算模型的基本原理 92.MapReduce作业执行流程 93.MapReduce基本组件,Jobtracker和Tasktracker 94.MapReduce高级编程应用,Combiner和Partitioner 95.MapReduce性能优化技巧 96.MapReduce案例分析与开发实践操作 | |
第三天 下午 |
大数据存储系统与 应用实践 |
97.分布式文件系统HDFS产生背景与适用场景 98.HDFS master-slave系统架构与工作原理 99.HDFS核心组件技术讲解 100.HDFS高可用保证机制 101.HDFS集群的安装、部署与配置,熟练HDFS shell命令操作 102.分布式小文件存储系统的平台架构、核心技术与应用场景 103.分布式对象存储系统的平台架构、核心技术与应用场景 |
Hadoop框架与生态发展 以及应用实践操作 |
104.Hadoop的发展历程 105.Hadoop大数据生态圈系统与工具全貌介绍 106.Hadoop 1.0的核心组件与适用范围 107.Hadoop 2.0的核心组件YARN工作原理,以及与Hadoop 1.0的区别 108.Hadoop资源管理与作业调度机制 109.Hadoop 常用性能优化技术 110.Hadoop集群安装与部署实践,以及MapReduce程序在YARN上执行 | |
第四天 上午 |
大数据计算模型(二) 实时处理/内存计算 Spark |
111.MapReduce计算模型的瓶颈 112.Spark产生动机、基本概念与适用场景 113.Spark编程模型与RDD弹性分布式数据集的工作原理与机制 114.Spark实时处理平台运行架构与核心组件 115.Spark容错机制 116.Spark作业调度机制 117.Scala开发介绍与实践 118.Spark集群部署与配置实践,Spark开发环境构建,Spark案例程序分析,Spark程序开发与运行,Spark与Hadoop集群集成实践 |
总结 | 学员分组交流讨论 |