基于Greenplum Hadoop分布式平台的大数据解决方案及商业应用案例剖析

   随着云计算、大数据迅速发展，亟需用hadoop解决大数据量高并发访问的瓶颈。谷歌、淘宝、百度、京东等底层都应用hadoop。越来越多的企 业急需引入hadoop技术人才。由于掌握Hadoop技术的开发人员并不多，直接导致了这几年hadoop技术的薪水远高于JavaEE及 Android程序员。

   Hadoop入门薪资已经达到了 8K 以上，工作1年可达到 1.2W 以上，具有2-3年工作经验的hadoop人才年薪可以达到 30万—50万 。

   一般需要大数据处理的公司基本上都是大公司，所以学习hadoop技术也是进大公司的捷径！

   本课程讲师拥有多年Greenplum和Hadoop实战经验，课程注重实践，原理剖析，实践分享，让学员能快速全面地掌握Greenplum操作和调优，以及Hadoop的搭建与运用实战。

   课程实战、实用、实际，总共 96 课时，系史上最全最深入的讲解Greenplum、Hadoop、云计算相关领域的技能课程，北风仅以此课程献给有志于从事大数据行业，追求高薪的有想法的程序员。

   课程亮点多多：

      亮点一、技术混搭

              Greenplum+Hadoop，让你全面掌握玩转大数据的倚天剑和屠龙刀，让你学到不一样的精彩，成为不一样的复合型               人才！

      亮点二、高成低也就

      亮点三、既注重技术基础，手把手传授技术，通过实操实战的讲授过程让学员沉淀技术，打好牢固坚实的基础；另外，也不                忘从行业、架构的高度，帮助大家扩宽视野，游刃有余。

      亮点四、注重实践：原理剖析，实践分享；让学员能快速全面地掌握Greenplum操作和调优，以及Hadoop的搭建与运用实战。

             实战、实用、实际

      亮点五、 全面覆盖了Greenplum完整知识体系，及关系型数据库管理和调优思想；

      亮点六、课程涵盖Hadoop生态系统中所有常用组件；

      亮点七、 学完此课程可以获得IT行业高薪职业发展能力。

   GREENPLUM适用场景：

 

         Greenplum的架构采用了MPP(大规模并行处理)。在 MPP 系统中，每个 SMP 节点也可以运行自己的操作系统、数据库等，它的特点主要就是查询速度快，数据装载速度快，批量DML处理快。而且性能可以随着硬件的添加，呈线性增加，拥有非常良好的可扩展性。因此，它主要适用于面向分析的应用。比如构建企业级ODS/EDW，或者数据集市等等。

 

 

       GREENPLUM的前景：

 

         GREENPLUM 诞生于2003年硅谷，2010/07 EMC收购了GREENPLUM，并把GREENPLUM作为EMC面向分析云的战略核心产品，加以大力发展。该产品不仅在国际市场发展很快，在国内市场发展也很快。最著名的案例就是阿里巴巴集团，经过多种产品的精心选型，最终选择GREENPLUM作为它们的数据仓库平台存放数百TB的业务数据去高效支持各种分析应用。正是由于产品发展速度很快，但是在相关人才上存在很大缺口。

 

 

       Greenplum Hadoop大数据分析平台:

 

         大量的半结构化和非结构化信息无法管理和存储，大数据增长速度惊人，每年以几何级数速度增长，需要有专业化的解决方案应对大数据挑战。EMC收购了Greenplum之后，推出的针对Hadoop的Greenplum的数据库软件。采用Greenplum HD技术管理半结构化和非结构化信息，整体TCO更低，除了进行有效存储和管理，可以通过MapReduce技术进行并行的分析和挖掘，把大量的数据存储变成有价值的数据资产。

 

 

       课程内容简介：

  

         本课程分两大部分：

            第一部分全面深入地介绍了Greenplum数据库，包括架构特性、部署、管理、开发和调优等，由浅入深，理论结合实战，让同学全面彻底掌握这把大数据利剑。

            第二部分深入阐述了Hadoop的架构原理，Hadoop整体技术架构，包括HBase、Hive、Pig、ZooKeeper、Chukwa等实战运用。另外还介绍了云计算的基础知识和Hadoop在云计算领域的运用，以及剖析了Hadoop在各个互联网巨头商业环境的运用。

 

 

   本课程适合于有一定java基础知识，对数据库和sql语句有一定了解，熟练使用linux系统的技术人员，特别适合于想换工作或寻求高薪职业的人士。

 

 

   课程结束时，帮助学员实现如下目标：

      1、了解Greenplum和Hadoop的历史及目前发展的现状、以及它们的技术特点，从而把握分布式计算框架及未来发展方向，在大数据时代能为企业的技术选型及架构设计提供决策参考。

      2、深入理解Greenplum的技术核心和管理操作，以此为基础，进而掌握MPP架构数据库的使用和调优的思想。

      3、全面掌握Hadoop的架构原理和使用场景，并通过贯穿课程的项目进行实战锻炼，从而熟练使用Hadoop进行MapReduce程序开发。

      4、深入理解Hadoop整体技术架构，包括HBase、Hive、Pig、ZooKeeper、Chukwa等，对Hadoop运作机制有清晰全面的认识，可以独立规划及部署生产环境的Hadoop集群，掌握Hadoop基本运维思路和方法，对Hadoop集群进行管理和优化。

      5、理解什么是云计算和Hadoop在云计算领域的运用，以及理解Hadoop在各个互联网巨头商业环境的运用。

 

 

 

 

       第一部分 Greenplum 分布式数据库基础（41课时）

 

          1 Greenplum架构

            什么是Greenplum

            Greenplum体系结构

            Greenplum高可用性架构

 

          2 安装Greenplum

            配置环境

            安装并初始化GPDB系统

            启停数据库

            配置GP系统

 

          3 分布式数据库存储

            数据是如何存储的

            分布策略

 

         4  GBDB查询处理

            查询命令的执行

            SQL查询处理机制

            并行查询计划

 

          5 角色权限及客户端认证管理

            客户端认证

            管理用户和组

 

          6 客户端接口和程序

            pgAdmin III

            PSQL

 

          7 定义数据库对象

            创建并管理数据库

            创建并管理表空间

            创建并管理模式

            创建并管理表

            分区表

            数据分布与分区

            压缩存储与行列存储

            序列、索引与视图

 

          8 管理数据

            插入、更新、删除记录

            事务管理

            空间回收和统计

 

          9 查询数据

            定义查询

            使用函数和运算符

            查询分析

 

          10 工作负载及 资源 管理

            GP工作负载管理概述

            配置工作负载管理

            创建资源队列

            分配资源队列

            检查资源队列状态

 

          11 装载和卸载数据

            GP装载命令概述

            装载数据到GP

            从GP卸载数据

            格式化数据文件

 

          12 备份恢复

            串行备份和恢复

            并行恢复和恢复

 

          13 性能调优

            如何进行调优

            常见的性能问题

          14 GP系统配置参数

            关于GP的Master参数与本地化参数

            设置配置参数

            配置参数种类

 

          15 开启高可用性

            GP高可用概述

            开启GP的Mirror

            获知Segment何时失败

            恢复失败的Segment

            恢复失败的Master

 

          16 GP MapReduce

            MapReduce基础

            GP MapReduce编程

            MapReduce作业执行和故障诊断

 

 

       第二部分 Hadoop分布式平台（55课时）

 

          1 Hadoop的起源和体系

            Hadoop思想起源：Google

            Hadoop子项目家族

            Hadoop的架构

 

          2 Hadoop的安装与配置

            准备和配置环境

            三种运行模式

            完全分布式模式安装

 

          3 HDFS-大数据存储

            HDFS概念与体系结构

            HDFS的可靠性

            HDFS文件操作

            HDFS API

 

          4 关于MapReduce

            MapReduce编程模型

            MapReduce的集群行为

            MapReduce任务的优化

            MapReduce工作机制

            错误处理及作业调度机制

 

          5 MapReduce应用开发

            Hadoop Eclipse插件开发

            数据筛选程序开发

            倒排索引程序开发

 

          6 Hadoop监控与管理

            页面监控

            hadoop备份

 

          7 HBase数据库

            Hbase体系结构

            HBase shell

            HBase API应用实例

            HBase场景应用

            HBase模式设计

 

          8 Hive数据仓库

            Hive组件与体系架构

            Hive安装配置

            Hive的服务接口

            HiveQL常用操作

            Hive的优化

            Hive UDF编程

            Hive综合实战

 

          9 Pig数据分析平台

            Pig框架

            Pig安装配置

            Pig的使用

            Pig的数据模型

            常用Pig Latin操作

            Pig UDF编程

            Pig数据分析实战

 

          10 ZooKeeper分布式服务框架

            ZooKeeper工作原理

            ZooKeeper设计目标

            ZooKeeper的数据结构和组成

            ZooKeeper的安装配置

            ZooKeeper命令行工具

            ZooKeeper API

            ZooKeeper实战：Hadoop任务调度

 

          11 Chukwa集群监控系统

            Chukwa的组成

            Chukwa架构和设计

            Chukwa安装与配置

            常用Chukwa命令

            实现自定义数据处理

 

          12 Hadoop商业应用案例

            云计算概念和特征

            云计算服务模式和形态

            Hadoop在云计算的运用

            京东商城

            百度

            阿里巴巴

            腾讯

 

          13 Greenplum Hadoop集群

            集成架构的特征

            集成架构的优势

            配置gphdfs协议使用环境

            使用HDFS外部表