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
步骤阅读
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。