課程大綱
課程體系不斷更新 時刻緊跟行業(yè)需求
| 第 一 階 段 | Java語言 | Java語言基礎(chǔ)：變量、基本數(shù)據(jù)類型、數(shù)組、流程控制、面向?qū)ο蟆�、接口、訪問控制符、異常處理、常用系統(tǒng)類、集合、流、多線程、Socket編程等。 Java高級特性：靜態(tài)導入、自動裝箱拆箱、可變參數(shù)、增強for、枚舉、反射、泛型、注解、動態(tài)代理等。 |
| Mysql數(shù)據(jù)庫 | Ja數(shù)據(jù)庫的安裝配置、SQL語言枚舉、反射、泛型、注解、動態(tài)代理等。 | |
| Linux | Liunx虛擬機安裝、網(wǎng)絡(luò)配置、常用系統(tǒng)命令、shell腳本。 |
| 第 二 階 段 | Zookeeper | Zookeeper的選舉、數(shù)據(jù)的同步、Zookeeper的部署、Follow與Leader枚舉、反射、泛型、注解、動態(tài)代理等。 |
| 集群 | 利用Lvs、Keepalived、Nginx、Tomcat搭建高并發(fā)、分布式的Web服務(wù)器。 | |
| dubbo | DUBBO是一個分布式服務(wù)框架，致力于提供高性能和透明化的RPC遠程服務(wù)調(diào)用方案，是阿里巴巴SOA服務(wù)化治理方案的核心框架。 | |
| redis | Redis 是一個高性能的key-value數(shù)據(jù)庫。 |
| 第 三 階 段 | Hadoop的hdfs | Hadoop偽分布式搭建、hadoop的shell操作指令、hdfs文件系統(tǒng)java-API、hadoop的rpc框架。 |
| Hadoop計算框架MapperReduce | Map、Reducer、Sort、Partition的編程、深入理解Shuffle機制、深入理解OutPutFormat與InputFormat、基于Hadoop的對象序列化機制。 | |
| Hadoop的資源管理與資源調(diào)度Yarn框架 | 深入理解Yarn的資源管理與資源調(diào)度機制。掌握整個MapReducer的計算流程和資源調(diào)度流程。 | |
| Hbase | 搭建NOSQL數(shù)據(jù)庫HBase的集群、利用Zookeeper做HBase的HA機制。 | |
| HIVE | 數(shù)據(jù)倉庫基礎(chǔ)知識、Hive定義、Hive體系結(jié)構(gòu)簡介、Hive集群、客戶端簡介、 HiveQL定義、HiveQL與SQL的比較、數(shù)據(jù)類型、外部表和分區(qū)表、表的操作與CLI客戶端演示、數(shù)據(jù)導入與CLI客戶端演示、查詢數(shù)據(jù)與CLI 客戶端演示、數(shù)據(jù)的連接與CLI客戶端演示、用戶自定義函數(shù)（UDF）的開發(fā)與演示。 |
| 第 四 階 段 | Flume | 高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)，F(xiàn)lume支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)；同時，F(xiàn)lume提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方（可定制）的能力。 |
| Sqoop | 作為關(guān)系型數(shù)據(jù)庫與Hadoop之間的橋梁，批量傳輸數(shù)據(jù)，讓你自然的從關(guān)系型數(shù)據(jù)庫過度到Hadoop平臺，在關(guān)系型數(shù)據(jù)庫與Hadoop之間游刃有余的進行數(shù)據(jù)導入導出。 | |
| Storm | Storm是一個開源、分布式、高容錯的實時計算系統(tǒng)。Storm令持續(xù)不斷的流計算變得容易,彌補了Hadoop批處理所不能滿足的實時要求。 | |
| Spark | 基于內(nèi)存計算的大數(shù)據(jù)計算引擎，提供了Spark SQL、Spark MLlib(基于Spark的機器學習）、SparkR等框架適應(yīng)不同的應(yīng)用需求，Spark專題將和大家一起實踐操作各種應(yīng)用和算法。 |
| 綜 合 類 | 職場禮儀 面試技巧 溝通與表達 職業(yè)發(fā)展和價值觀 | 提升學員的軟實力 為學員提前做好職業(yè)規(guī)劃 |
地理位置 Location
