友情鏈接:
智能物流專用車研發(fā)仿真培訓(xùn)課程 |
ANSYS 高級疲勞分析培訓(xùn) |
Geomagic Spark逆向掃描培訓(xùn)課程 |
ETAP模擬分析培訓(xùn)
版權(quán)所有 
5
（7942人評價）
筆記：(65387)
學(xué)員：(97562)
瀏覽：(237018)
曙海教學(xué)優(yōu)勢
本課程，秉承二十一年積累的教學(xué)品質(zhì)，以項目實現(xiàn)為導(dǎo)向,面向企事業(yè)項目實際需要,老師將會與您分享設(shè)計的全流程以及工具的綜合使用經(jīng)驗、技巧。課程可定制,線上/線下/上門皆可,熱線:4008699035。
曙海培訓(xùn)的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。大批企業(yè)和曙海
建立了良好的合作關(guān)系,20多年來，合作企事業(yè)單位以達30多萬。曙海培訓(xùn)的課程在業(yè)內(nèi)有著響亮的知名度。
| ? | 培訓(xùn)模塊 | 培訓(xùn)內(nèi)容 |
|---|---|---|
| ? | 大數(shù)據(jù)基礎(chǔ) | 1. 什么是大數(shù)據(jù) 2 大數(shù)據(jù)技術(shù)的產(chǎn)生背景 3. 大數(shù)據(jù)應(yīng)用場景 4. 大數(shù)據(jù)思維 5. 大數(shù)據(jù)產(chǎn)業(yè)鏈 6. 大數(shù)據(jù)是如何變革各行業(yè)的技術(shù)架構(gòu)、商業(yè)模式和組織方式 7. 大數(shù)據(jù)必備的技術(shù)基礎(chǔ) |
| 業(yè)界主流Hadoop 大數(shù)據(jù)平臺技術(shù)產(chǎn)品 與項目解決方案 |
8. 國內(nèi)外主流的大數(shù)據(jù)解決方案介紹 9. 當(dāng)前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案的剖析比較 10. Apache Hadoop大數(shù)據(jù)平臺全流程解決方案 11. Cloudera Hadoop大數(shù)據(jù)平臺全流程解決方案 12. HDP Hadoop大數(shù)據(jù)平臺解決方案 13. 開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析 |
|
| 大數(shù)據(jù)平臺解決方案 | 14. Hadoop的發(fā)展歷程以及產(chǎn)業(yè)界實際應(yīng)用介紹 15. Hadoop 大數(shù)據(jù)平臺架構(gòu) 16. 基于Hadoop平臺的PB級大數(shù)據(jù)存儲管理與分析處理的工作原理與機制 17. Hadoop的核心組件剖析 18. Hadoop大數(shù)據(jù)解決方案和產(chǎn)品 |
|
| 大數(shù)據(jù)管理系統(tǒng) 應(yīng)用實戰(zhàn)與解決方案 |
19. 大數(shù)據(jù)管理系統(tǒng)介紹 20. NoSQL 數(shù)據(jù)庫與 NewSQL 數(shù)據(jù)庫技術(shù)介紹，及Hadoop 數(shù)據(jù)庫典型代表 21. HBase 在半結(jié)構(gòu)化和非結(jié)構(gòu)化大數(shù)據(jù)管理方面的應(yīng)用實踐 22. NOSQL 大數(shù)需管理解決方案 23. NOSQL 管理圖數(shù)據(jù)方案 24. NOSQL 管理非結(jié)構(gòu)化數(shù)據(jù)方案 25. 分布式數(shù)據(jù)庫管理結(jié)構(gòu)化數(shù)據(jù)方案 |
|
| 大數(shù)據(jù)監(jiān)控 管理解決方案 |
26.大數(shù)據(jù)運維監(jiān)控管理系統(tǒng)：HUE平臺的監(jiān)控管理解決方案 27.大數(shù)據(jù)運維管理監(jiān)控系統(tǒng)Ambari平臺 28.Hadoop集群運維Ganglia,Nagios解決方案 |
|
| 大型數(shù)據(jù)倉庫與 數(shù)據(jù)中心解決方案 |
29.基于Hadoop的大型分布式數(shù)據(jù)倉庫基礎(chǔ) 30.政務(wù)大數(shù)據(jù)倉庫的建設(shè) 31.持續(xù)增長的數(shù)據(jù)倉庫的建設(shè)實施案例 |
|
| ? | 實時大數(shù)據(jù) 分析處理平臺 的解決方案 |
32. Spark 的發(fā)展歷程以及業(yè)界的實際應(yīng)用介紹 33. Spark實時大數(shù)據(jù)處理平臺架構(gòu) 34. Spark RDD內(nèi)存彈性分布式數(shù)據(jù)集的工作 35. Spark的核心組件剖析 36. 基于Spark的實時數(shù)據(jù)倉庫與實時分析挖掘處理在行業(yè)中的應(yīng)用實踐案例 |
| 政府部門大數(shù)據(jù) 應(yīng)用案例 |
37. 醫(yī)療大數(shù)據(jù)應(yīng)用 38. 數(shù)字城市大數(shù)據(jù)應(yīng)用 39. 國土大數(shù)據(jù)應(yīng)用 40. 電力大數(shù)據(jù)應(yīng)用 41. 城市管理大數(shù)據(jù)應(yīng)用 |
|
| 大數(shù)據(jù)中心常見 問題及應(yīng)對之策 |
42. 大數(shù)據(jù)中心的數(shù)據(jù)治理問題及應(yīng)對之策 43. 大數(shù)據(jù)中心的安全問題及應(yīng)對之策 45. 大數(shù)據(jù)中心的訪問控制問題及應(yīng)對之策 46. 大數(shù)據(jù)中心的能源供應(yīng)問題及應(yīng)對之策 47. 大數(shù)據(jù)中心的雙活備用問題及應(yīng)對之策 |
|
| 云計算基礎(chǔ) | 48. 云計算技術(shù)應(yīng)用解決方案，智慧城市與云計算技術(shù)應(yīng)用，移動互聯(lián)網(wǎng)、大數(shù)據(jù)與云計算應(yīng)用解決方案 49. 云計算和大數(shù)據(jù)技術(shù)在運營商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實踐 50. 云計算平臺技術(shù)與層次架構(gòu)分析 51. 云計算的服務(wù)模式與SPI服務(wù)模型，laas、PaaS、SaaS、DaaS技術(shù)解析 52. 公有云計算平臺、私有云平臺、混合云平臺 53. 政務(wù)云平臺的實施室例 |
|
| 云計算關(guān)鍵技術(shù) | 54. 云計算和虛擬化平臺的成熟應(yīng)用案例 55. 云計算與虛擬化平臺的關(guān)鍵技術(shù) 56. 云計算平臺的架構(gòu)設(shè)計與實現(xiàn) 57. 云資源池管理解決方富剖析 58. 云計算分布式計算技術(shù)以及存儲虛擬化、計算虛擬化、網(wǎng)絡(luò)虛擬化技術(shù)原理 59. 桌面虛擬化、服務(wù)器虛擬化技術(shù)原理及應(yīng)用 |
|
| 云計算解決方案 | 60. 云計算與虛擬化技術(shù)的應(yīng)用解決方案 61. 重點講解業(yè)界主流的標(biāo)準(zhǔn)化云計算平臺產(chǎn)品的平臺架構(gòu)及其應(yīng)用概況 62. OpenStack 云計算點擬化管理平臺解決方 63. VMware VSphere 云計算虛擬化集群管理平臺解決方案 64. 容器虛擬化云平臺解決方案，包括 Docker云平臺方案與產(chǎn)品 |
|
| 云平臺運維管理 | 65. 商業(yè)云計算平臺VMware 的運維管理 66. 開源云計算平臺 OpenStack 的運維管理 67. 容器云平臺Docker和 Kubermnetes 運維管理 68. 云平臺的自動化運維的挑戰(zhàn)與解決之道 69. 云平臺的運維特征分析與特點 70. 云平臺的安全運維之道 71. 云平臺運維系統(tǒng)的規(guī)劃設(shè)計和系統(tǒng)架構(gòu) 72. 云運維管理角色的職責(zé)設(shè)計 73. 云平臺的平臺優(yōu)化運維 74. 云平臺的系統(tǒng)監(jiān)控層維護 |
|
| 信息化項目建設(shè) 管理系統(tǒng)流程及 相關(guān)的系統(tǒng)知識 |
75. 信息化項目的管理流程 76. 信息化項目管理需要具備的系統(tǒng)知識 77. 主機規(guī)劃知識，ICT系統(tǒng)知識 78. 交流討論：根據(jù)講師布置的實際應(yīng)用案例，開展大數(shù)據(jù)完整項目部容設(shè)計和應(yīng)用開發(fā)實踐、大數(shù)據(jù)項目的需求分析、應(yīng)用實施以及解決方案 |
|
| ? | 大數(shù)據(jù)基礎(chǔ)技術(shù) | 79. 大數(shù)據(jù)的4V特征，以及與云計算的關(guān)系 80. 大數(shù)據(jù)應(yīng)用需求以及潛在價值分析 81. 業(yè)界最新的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢與應(yīng)用趨勢 82. 大數(shù)招項目的系統(tǒng)與技術(shù)選型，及落地實施的挑戰(zhàn) 83. “互聯(lián)網(wǎng)＋時代下的電子商務(wù)、制造業(yè)、零售批發(fā)、電信運營崗，互聯(lián)網(wǎng)金融業(yè)、電子政務(wù)、移動互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實殘與應(yīng)用露例介紹 |
| 業(yè)界主流的 大數(shù)據(jù)技術(shù)方案 |
84. 大數(shù)據(jù)歟硬件系統(tǒng)全棧與關(guān)鍵技術(shù)介紹 85. 主流的大數(shù)據(jù)解決方露介紹 86. Apache 大數(shù)據(jù)平臺方索創(chuàng)析 87. CDH大數(shù)據(jù)平臺方宏創(chuàng)析 88. HDP大數(shù)據(jù)平臺方索制析 89. 大數(shù)貼解決方室與傳統(tǒng)致眍庫方家比較 |
|
| 大數(shù)據(jù)計算模型 （一） 批處理 MapReduce |
90. MapReduce產(chǎn)生背景與適用場景 91. MapReduce 計算模型的基本原理 92. MapReduce作業(yè)執(zhí)行流程 93. MapReduce基本姐件，Jobtracker和Tasktracker 94. MapReduce高級編程應(yīng)用，Combiner和Partitioner 95. MapReduce性能優(yōu)化技巧 96. MapReduce室例分析與開發(fā)實踐操作 |
|
| 大數(shù)據(jù)存儲系統(tǒng) 與應(yīng)用實踐 |
97.分布式文件系統(tǒng)HDFS 產(chǎn)生背景與適用場景 98. HDFS master-slave 系統(tǒng)架構(gòu)與工作原理 99. HDFS核心組件技術(shù)講解 100. HDFS 高可用保證機制 101. HDFS 集群的安裝，部零與配置，熟練HDFS shell 命令操作 102. 分布式小文件存儲系統(tǒng)的平臺深構(gòu)、核心技術(shù)與應(yīng)用場景 103. 分布式對象存儲系統(tǒng)的平臺架構(gòu)、核心技術(shù)與應(yīng)用場景 |
|
| Hadoop框架與 生態(tài)發(fā)展及 應(yīng)用實踐操作 |
104. Hadoop的發(fā)展歷程 105. Hadoop 大數(shù)據(jù)生態(tài)國系統(tǒng)與工具全貌介紹 106. Hadoop 1. 0的核心組件與適用范圍 107. Hadoop 2. 0的核心組件YARN 工作原理，以及與Hadoop 1. 0的區(qū)別 108. Hadoop資源管理與作業(yè)調(diào)度機制 109. Hadoop 常用性能優(yōu)化技術(shù) 110. Hadoop集群安裝與部署實踐，以及MapReduce程序在YARN上執(zhí)行 |
|
| ? | 大數(shù)據(jù)計算模型 （二） 實時處理／內(nèi)存計算Spark |
111. MapReduce計算模型的瓶頸 112. Spark產(chǎn)生動機、基本概念與適用場景 113. Spark 編程模型與 RDD彈性分布式數(shù)據(jù)集的工作原理與機制 114. Spark 實時處理平臺運行架構(gòu)與核心組件 115. Spark容錯機制 116. Spark作業(yè)調(diào)度機制 117. Scala開發(fā)介紹與實踐 118. Spark 集群部署與配置實踐，Spark開發(fā)環(huán)境構(gòu)建，Spark案例程序分析，Spark程序開發(fā)與運行，Spark與Hadoop集群集成實踐 |
| 總結(jié) | 學(xué)員分組交流討論 |
?
