教育行業(yè)A股IPO第一股(股票代碼 003032)

全國(guó)咨詢/投訴熱線:400-618-4000    舉報(bào)郵箱:mc@itcast.cn

Python+大數(shù)據(jù)課程體系V3.2

聚集多位Apache?社區(qū)貢獻(xiàn)者及大廠技術(shù)講師,聯(lián)合推出行業(yè)重磅Python大數(shù)據(jù)V3.2課程,通過(guò)5-6個(gè)月學(xué)習(xí)進(jìn)階數(shù)據(jù)開(kāi)發(fā)工程師,獲取3-4年開(kāi)發(fā)經(jīng)驗(yàn),對(duì)標(biāo)高級(jí)數(shù)據(jù)開(kāi)發(fā)工程師

Python+大數(shù)據(jù)V3.2學(xué)習(xí)路線概覽

升級(jí)V3.2課程亮點(diǎn):

  • 六項(xiàng)目制,40+天項(xiàng)目占比對(duì)標(biāo)企業(yè)實(shí)際招聘需求,采用六個(gè)不同行業(yè)大數(shù)據(jù)項(xiàng)目,覆蓋從離線到實(shí)時(shí)計(jì)算場(chǎng)景,更好的匹配學(xué)員能力
  • 大廠級(jí)技術(shù)解決方案,Apache貢獻(xiàn)者領(lǐng)銜授課課程覆蓋了數(shù)字化轉(zhuǎn)型企業(yè)主流的技術(shù)和業(yè)務(wù)解決方案。
    6個(gè)技術(shù)解決方案:包括ETL、離線數(shù)倉(cāng)、用戶畫(huà)像、Lambda架構(gòu)、Kappa架構(gòu)、湖倉(cāng)一體等;
    多個(gè)業(yè)務(wù)解決方案:包括國(guó)內(nèi)大型商超新零售、金融保險(xiǎn)、金融證券、物流倉(cāng)儲(chǔ)、航空、電商、出行、教育、物聯(lián)網(wǎng)等領(lǐng)域

敢以班級(jí)為單位公開(kāi)就業(yè)信息的機(jī)構(gòu),只有傳智教育!通過(guò)數(shù)千班級(jí)實(shí)施和就業(yè)結(jié)果顯示,傳智教育Python+大數(shù)據(jù)開(kāi)發(fā)的課程,有效大幅提升就業(yè)薪資水平!

課程大綱

  1. 基礎(chǔ)班

    1. SQL基礎(chǔ)

  2. 高手班

    1. Hadoop技術(shù)棧 2. 千億級(jí)離線數(shù)倉(cāng)項(xiàng)目 3. 千億級(jí)離線數(shù)倉(cāng)項(xiàng)目實(shí)戰(zhàn) 4. Python基礎(chǔ)編程 5. ETL實(shí)戰(zhàn) 6. BI報(bào)表開(kāi)發(fā)項(xiàng)目實(shí)戰(zhàn) 7. Spark技術(shù)棧 8. 用戶畫(huà)像解決方案 9. PB級(jí)內(nèi)存計(jì)算項(xiàng)目實(shí)戰(zhàn) 10. 基于AI大模型數(shù)據(jù)開(kāi)發(fā)項(xiàng)目實(shí)戰(zhàn) 11. 面試加強(qiáng) 12. 阿里云實(shí)時(shí)計(jì)算Flink全棧開(kāi)發(fā) 13. 阿里云實(shí)時(shí)計(jì)算項(xiàng)目

  3. 進(jìn)階班

    1. 亞秒級(jí)實(shí)時(shí)進(jìn)階課

  4. Python+大數(shù)據(jù)課程升級(jí)版本V4.0

  • SQL基礎(chǔ)基礎(chǔ)班 1

    課時(shí):8天 技術(shù)點(diǎn):50項(xiàng) 測(cè)驗(yàn):1次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1. 掌握MySQL數(shù)據(jù)庫(kù)的使用| 2. 掌握SQL語(yǔ)法| 3. 掌握Kettle數(shù)據(jù)遷移工具的使用| 4. 熟練使用BI可視化工具| 5. 對(duì)數(shù)據(jù)開(kāi)發(fā)有一定認(rèn)知,掌握BI工程師所具備的基本技能

    主講內(nèi)容

    1. Linux操作系統(tǒng)零基礎(chǔ)入門(mén)Linux操作系統(tǒng),掌握Linux基礎(chǔ)命令。

    計(jì)算機(jī)基礎(chǔ)知識(shí)|Linux環(huán)境安裝|遠(yuǎn)程連接工具|文件操作命令|壓縮解壓縮命令|文件查找命令|系統(tǒng)管理命令|權(quán)限管理|網(wǎng)絡(luò)服務(wù)管理命令等。

    2. MySQL與SQL零基礎(chǔ)小白通過(guò)MySQL數(shù)據(jù)庫(kù),掌握核心必備SQL。

    數(shù)據(jù)庫(kù)環(huán)境搭建|SQL語(yǔ)言(DDL、DML、DQL)|多表查詢|索引等。

    3. Kettle與BI工具使用Kettle做數(shù)據(jù)遷移,通過(guò)BI工具展示Excel、MySQL中的數(shù)據(jù)。

    數(shù)據(jù)倉(cāng)庫(kù)與ETL|Kettle安裝部署|數(shù)據(jù)抽取與裝載入門(mén)|表輸入組件|表輸出|插入/更新|switch/case等組件使用,開(kāi)發(fā)Kettle作業(yè)等。

    4. 電商運(yùn)營(yíng)指標(biāo)分析通過(guò)Kettle+MySQL+FineBI完成電商運(yùn)營(yíng)指標(biāo)分析。

    電商業(yè)務(wù)背景|案例架構(gòu)|數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)增量同步|ETL開(kāi)發(fā)|指標(biāo)SQL開(kāi)發(fā)|Kettle作業(yè)調(diào)度|FineBi可視化展示等。

  • Hadoop技術(shù)棧高手班 1

    課時(shí):11天 技術(shù)點(diǎn):120項(xiàng) 測(cè)驗(yàn):1次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握Linux常用命令,為數(shù)據(jù)開(kāi)發(fā)后續(xù)學(xué)習(xí)打下的良好基礎(chǔ)| 2.掌握大數(shù)據(jù)的核心框架Hadoop以及其生態(tài)體系,完成HDFS、MapReduce及Yarn機(jī)制基本理解與使用;能顧搭建Hadoop高可用HA集群| 3.掌握Hive的使用和調(diào)優(yōu)| 4.具備Hadoop開(kāi)發(fā)能力、離線數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)能力| 5.能夠完成基本構(gòu)建企業(yè)級(jí)數(shù)倉(cāng)

    主講內(nèi)容

    1. Linux掌握Linux操作系統(tǒng)常用命令和權(quán)限管理,包含了以下技術(shù)點(diǎn):

    01_Linux系統(tǒng)安裝和體驗(yàn)| 02_Linux系統(tǒng)網(wǎng)絡(luò)配置和連接工具| 03_Linux系統(tǒng)目錄結(jié)構(gòu)| 04_Linux命令使用| 05_Linux命令選項(xiàng)的使用| 06_遠(yuǎn)程登錄和遠(yuǎn)程拷貝| 07_Linux權(quán)限管理| 08_vi編輯器使用| 09_Sed| 10_AWK| 11_權(quán)限管理

    2. 大數(shù)據(jù)基礎(chǔ)和硬件介紹進(jìn)一步闡述大數(shù)據(jù)特點(diǎn)與分布式思想,知識(shí)點(diǎn)由淺入深,包含了以下技術(shù)點(diǎn):

    01_大數(shù)據(jù)的特點(diǎn)| 02_分布式存儲(chǔ)概念| 03_分布式計(jì)算的概念| 04_服務(wù)器種類介紹、機(jī)架、交換機(jī)| 05_網(wǎng)絡(luò)拓?fù)?、Raid、IDC數(shù)據(jù)中心| 06_Linux shell編程、awk、sed、cut、ssh、scp、expect、yum、nestat、top 、iostat等高級(jí)命令使用

    3. Zookeeper分布式軟件管家,實(shí)現(xiàn)了集群管理與leader選舉,包含了以下技術(shù)點(diǎn):

    01_Zookeeper的應(yīng)用場(chǎng)景| 02_架構(gòu)和原理| 03_存儲(chǔ)模型| 04_選舉機(jī)制| 05_客戶端操作

    4. HDFS分布式文件系統(tǒng),解決了海量數(shù)據(jù)存儲(chǔ)與容錯(cuò),包含了以下技術(shù)點(diǎn):

    01_HDFS設(shè)計(jì)的特點(diǎn)| 02_Master-Slave架構(gòu)| 03_Block塊存儲(chǔ)、RF拷貝因子、機(jī)架感知| 04_Block拷貝策略、讀寫(xiě)流程| 05_HDFS Federation、HDFS Snapshots0、NameNode HA架構(gòu)和原理| 06_HDFS管理員常用操作、HDFS權(quán)限控

    5. MapReduce分布式計(jì)算系統(tǒng),解決海量數(shù)據(jù)的計(jì)算,包含了以下技術(shù)點(diǎn):

    01_MapReduce架構(gòu)和原理| 02_Split機(jī)制| 03_MapReduce并行度| 04_Combiner機(jī)制| 05_Partition機(jī)制、自定義Partition| 06_MapReduce序列化、自定義排序、數(shù)據(jù)壓縮

    6. YARN分布式資源調(diào)度管理器,管理服務(wù)器軟件資源,包含了以下技術(shù)點(diǎn):

    01_Yarn原理和架構(gòu)| 02_Yarn高可用| 03_Container資源的封裝(CPU、內(nèi)存和IO)| 04_資源調(diào)度策略(FIFO、Fair和Capacity)

    7. Hive基礎(chǔ)數(shù)據(jù)倉(cāng)庫(kù)Hive,實(shí)現(xiàn)企業(yè)級(jí)數(shù)倉(cāng)必備工具,包含以下知識(shí)點(diǎn):

    01_HQL操作| 02_數(shù)據(jù)類型| 03_分區(qū)、分桶、臨時(shí)表| 04_.explain執(zhí)行計(jì)劃詳解

    8. Hive進(jìn)階數(shù)據(jù)倉(cāng)庫(kù)Hive高階原理和架構(gòu)深入,實(shí)現(xiàn)企業(yè)級(jí)數(shù)倉(cāng)優(yōu)化,包含以下知識(shí)點(diǎn):

    01_Hive原理和架構(gòu) 02_Meta Store服務(wù) 03_HiveServer內(nèi)置函數(shù) 04_自定義UDF和UDAF 05_數(shù)據(jù)壓縮、存儲(chǔ)格式、自動(dòng)化腳本、常見(jiàn)性能優(yōu)化

  • 千億級(jí)離線數(shù)倉(cāng)項(xiàng)目高手班 2

    課時(shí):11天技術(shù)點(diǎn):105項(xiàng)測(cè)驗(yàn):0次學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握泛電商行業(yè)離線數(shù)倉(cāng)的分層與建模,從需求、設(shè)計(jì)、研發(fā)、測(cè)試到落地上線的完整項(xiàng)目流程| 2.行業(yè)內(nèi)首個(gè)深度講解數(shù)倉(cāng)建模模型方案的主體項(xiàng)目| 3.包括海量數(shù)據(jù)場(chǎng)景下如何優(yōu)化配置| 4.掌握項(xiàng)目遷移能力,能夠?qū)㈨?xiàng)目遷移至泛電商的各個(gè)領(lǐng)域| 5.掌握在泛電商行業(yè)中關(guān)于全量與增量數(shù)據(jù)處理模式| 6.提供泛電商行業(yè)下的數(shù)據(jù)存儲(chǔ)分析以及服務(wù)監(jiān)控方案

    本項(xiàng)目基于某泛電商研發(fā)的大數(shù)據(jù)分析平臺(tái)。項(xiàng)目原型來(lái)自于某大型生鮮平臺(tái),完全模擬企業(yè)真實(shí)數(shù)倉(cāng)開(kāi)發(fā)模式,擁有真實(shí)的主題化開(kāi)發(fā);真實(shí)的數(shù)據(jù)結(jié)構(gòu),復(fù)雜的SQL實(shí)現(xiàn)過(guò)程,學(xué)生學(xué)習(xí)以后可以開(kāi)發(fā)企業(yè)級(jí)離線數(shù)倉(cāng)的水平。

    進(jìn)入項(xiàng)目體驗(yàn)
    主講解決方案

    項(xiàng)目介紹與環(huán)境準(zhǔn)備、數(shù)據(jù)遷移與數(shù)倉(cāng)分層設(shè)計(jì)、核心五大主題域開(kāi)發(fā)、基于Fine Report的大屏展示、基于海豚調(diào)度的全流程項(xiàng)目上線實(shí)施,提供新泛電商大型商超集團(tuán)的數(shù)據(jù)存儲(chǔ)分析以及服務(wù)監(jiān)控方案。

    主講知識(shí)點(diǎn)

    1.大數(shù)據(jù)部署運(yùn)維:Cloudera Manager| 2.分析決策需求數(shù)據(jù)倉(cāng)庫(kù):Hive| 3.數(shù)據(jù)采集:DataX| 4.數(shù)據(jù)分析:Hive| 5.數(shù)據(jù)調(diào)度:Dolphinscheduler| 6.OLAP系統(tǒng)存儲(chǔ):PostgreSql| 7.Fine Report數(shù)據(jù)報(bào)表與大屏| 8.數(shù)倉(cāng)建模: 范式與維度建模| 9.五大核心主題域開(kāi)發(fā): 銷售域、供應(yīng)鏈域、會(huì)員域等

  • 千億級(jí)離線數(shù)倉(cāng)項(xiàng)目實(shí)戰(zhàn)高手班 3

    課時(shí):5天技術(shù)點(diǎn):40項(xiàng)測(cè)驗(yàn):0次學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握教育行業(yè)離線數(shù)倉(cāng)的分層與建模,從需求、設(shè)計(jì)、研發(fā)、測(cè)試到落地上線的完整項(xiàng)目流程| 2.真實(shí)業(yè)務(wù)邏輯,共涉及20多個(gè)主題,100多個(gè)指標(biāo),提升學(xué)員在教育行業(yè)中的核心競(jìng)爭(zhēng)力| 3.包括海量數(shù)據(jù)場(chǎng)景下如何優(yōu)化配置| 4.拉鏈表的具體應(yīng)用| 5.新增數(shù)據(jù)和更新數(shù)據(jù)的抽取和分析| 6.Hive函數(shù)的具體應(yīng)用| 7.ClouderaManager可視化、自動(dòng)部署和配置、Git、CodeReview功能

    受互聯(lián)網(wǎng)+概念的催化,教育市場(chǎng)發(fā)展火熱,越來(lái)越多的教育機(jī)構(gòu)和平臺(tái)不斷涌現(xiàn),包括有線上學(xué)習(xí)和線下培訓(xùn),K12教育和職業(yè)教育等。

    進(jìn)入項(xiàng)目體驗(yàn)
    主講解決方案

    掌握離線數(shù)倉(cāng)的分層與建模、大數(shù)據(jù)量場(chǎng)景下如何優(yōu)化配置,拉鏈表的具體應(yīng)用,新增數(shù)據(jù)的抽取和分析,更新數(shù)據(jù)的抽取和分析,以及Hive函數(shù)的具體應(yīng)用等。ClouderaManager可視化、自動(dòng)部署和配置、Git的CodeReview功能保證項(xiàng)目高質(zhì)量。 離線數(shù)倉(cāng)的分層與建模 項(xiàng)目涉及20多個(gè)主題,100多個(gè)指標(biāo)場(chǎng)景 帆軟BI企業(yè)級(jí)報(bào)表展示。

    主講知識(shí)點(diǎn)

    1.大數(shù)據(jù)部署運(yùn)維:Cloudera Manager| 2.分析決策需求:數(shù)據(jù)倉(cāng)庫(kù)| 3.數(shù)據(jù)倉(cāng)庫(kù):Hive| 4.數(shù)據(jù)采集:sqoop| 5.數(shù)據(jù)分析:Hive| 6.歷史數(shù)據(jù)快照:拉鏈表| 7.數(shù)據(jù)調(diào)度:oozie+shell| 8.OLAP系統(tǒng)存儲(chǔ):MySQL| 9.FineBI數(shù)據(jù)展示

  • Python基礎(chǔ)編程高手班 4

    課時(shí):8天 技術(shù)點(diǎn):100項(xiàng) 測(cè)驗(yàn):1次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握Python開(kāi)發(fā)環(huán)境基本配置| 2.掌握運(yùn)算符、表達(dá)式、流程控制語(yǔ)句、數(shù)組等的使用| 3.掌握字符串的基本操作| 4.初步建立面向?qū)ο蟮木幊趟季S| 5.熟悉異常捕獲的基本流程及使用方式| 6.掌握類和對(duì)象的基本使用方式| 7.掌握網(wǎng)絡(luò)編程技術(shù),能夠?qū)崿F(xiàn)網(wǎng)絡(luò)通訊| 8.知道多進(jìn)程多線程的原理

    主講內(nèi)容

    1. Python基礎(chǔ)語(yǔ)法零基礎(chǔ)學(xué)習(xí)Python的開(kāi)始,包含了以下技術(shù)點(diǎn):

    01_計(jì)算機(jī)基礎(chǔ)知識(shí)| 02_認(rèn)識(shí)Python| 03_環(huán)境搭建| 04_第一個(gè)Python程序| 05_注釋| 06_變量| 07_標(biāo)識(shí)符和關(guān)鍵字| 08_輸入和輸出| 09_運(yùn)算符| 10_數(shù)據(jù)類型轉(zhuǎn)換| 11_PEP8編碼規(guī)范| 12_比較/關(guān)系運(yùn)算符| 13_if判斷語(yǔ)句語(yǔ)法格式| 14_三目運(yùn)算符| 15_while語(yǔ)句語(yǔ)法格式| 16_while 循環(huán)嵌套| 17_break 和 continue| 18_while 循環(huán)案例| 19_for循環(huán)

    2. Python數(shù)據(jù)處理掌握Python的數(shù)據(jù)類型,并對(duì)其進(jìn)行操作處理,包含了以下技術(shù)點(diǎn):

    01_字符串定義語(yǔ)法格式| 02_字符串遍歷| 03_下標(biāo)和切片| 04_字符串常見(jiàn)操作| 05_列表語(yǔ)法格式| 06_列表的遍歷| 07_列表常見(jiàn)操作| 08_列表嵌套| 09_列表推導(dǎo)式| 10_元組語(yǔ)法格式| 11_元組操作| 12_字典語(yǔ)法格式| 13_字典常見(jiàn)操作| 14_字典的遍歷| 15_集合的操作

    3. 函數(shù)能夠?qū)崿F(xiàn)Python函數(shù)的編寫(xiě),包含了以下技術(shù)點(diǎn):

    01_函數(shù)概念和作用、函數(shù)定義、調(diào)用| 02_函數(shù)的參數(shù)| 03_函數(shù)的返回值| 04_函數(shù)的注釋| 05_函數(shù)的嵌套調(diào)用| 06_可變和不可變類型| 07_局部變量| 08_全局變量| 09_組包和拆包、引用

    4. 文件讀寫(xiě)能夠使用Python對(duì)文件進(jìn)行操作,包含了以下技術(shù)點(diǎn):

    01_文件的打開(kāi)與關(guān)閉、文件的讀寫(xiě)| 02_文件、目錄操作及案例| 03_os模塊文件與目錄相關(guān)操作

    5. 異常處理主要介紹了在Python編程中如何處理異常,包含了以下技術(shù)點(diǎn):

    01_異常概念| 02_異常捕獲| 03_自定義異常

    6. 模塊和包主要介紹了Python中的模塊和包的體系,以及如何使用模塊和包,包含了以下技術(shù)點(diǎn):

    01_模塊介紹| 02_模塊的導(dǎo)入| 03_包的概念| 04_包的導(dǎo)入| 05_模塊中的__all__| 06_模塊中__name__| 07_自定義模塊| 08_Python中的包

    7. Python面向?qū)ο?/span>從逐步建立起面向?qū)ο缶幊趟枷耄俚綍?huì)使用對(duì)象,到創(chuàng)建對(duì)象,再到真正理解為什么封裝對(duì)象,包含了以下技術(shù)點(diǎn):

    01_面向?qū)ο蠼榻B| 02_類的定義和對(duì)象的創(chuàng)建| 03_添加和獲取對(duì)象屬性| 04_self 參數(shù)| 05_init方法| 06_繼承| 07_子類方法重寫(xiě)| 08_類屬性和實(shí)例屬性| 09_類方法、實(shí)例方法、靜態(tài)方法

    8. Python高級(jí)語(yǔ)法主要學(xué)習(xí)Python的高級(jí)語(yǔ)法,包含以下技術(shù)點(diǎn):

    01_閉包| 02_裝飾器| 03_深淺拷貝| 04_正則

    9. Python多任務(wù)編程主要學(xué)習(xí)Python中多線程、多進(jìn)程,包含了以下技術(shù)點(diǎn):

    01_多任務(wù)介紹| 02_多進(jìn)程的使用| 03_多線程的使用| 04_線程同步

    10. Python網(wǎng)絡(luò)編程主要學(xué)習(xí)通訊協(xié)議,以及Python實(shí)現(xiàn)TCP、HTTP通訊,包含了以下技術(shù)點(diǎn):

    01_IP地址的介紹| 02_端口和端口號(hào)的介紹| 03_TCP的介紹| 04_Socket的介紹| 05_TCP網(wǎng)絡(luò)應(yīng)用的開(kāi)發(fā)流程| 06_基于TCP通信服務(wù)程序開(kāi)發(fā)| 07_必備前端基礎(chǔ)知識(shí)| 08_HTTP協(xié)議與Web服務(wù)開(kāi)發(fā)案例

  • ETL實(shí)戰(zhàn)高手班 5

    課時(shí):5天 技術(shù)點(diǎn):48項(xiàng) 測(cè)驗(yàn):0次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握ETL的相關(guān)概念| 2.掌握基于Python語(yǔ)言完成ETL任務(wù)開(kāi)發(fā)實(shí)戰(zhàn)| 3.基于ETL實(shí)戰(zhàn)鍛煉Python編程能力,包括(元數(shù)據(jù)管理、數(shù)據(jù)模型、項(xiàng)目配置、單元測(cè)試、工具方法抽取等)| 4.掌握BI數(shù)據(jù)分析實(shí)戰(zhàn)

    主講內(nèi)容

    1. ETL概念與工具零基礎(chǔ)掌握ETL基礎(chǔ)概念與常見(jiàn)ETL工具。

    01_ETL簡(jiǎn)介| 02_ETL流程介紹| 03_ETL工具介紹

    2. Python ETL實(shí)戰(zhàn)掌握零售行業(yè)ETL項(xiàng)目,完成ETL全流程開(kāi)發(fā)。

    01_ETL項(xiàng)目實(shí)操| 02_FineBI基礎(chǔ)使用| 03_FineBI項(xiàng)目展示

  • BI報(bào)表開(kāi)發(fā)項(xiàng)目實(shí)戰(zhàn)高手班 6

    課時(shí):3天 技術(shù)點(diǎn):40項(xiàng) 測(cè)驗(yàn):1次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握BI報(bào)表開(kāi)發(fā)需求分析| 2.掌握BI報(bào)表工具| 3.掌握FineReport報(bào)表

    主講內(nèi)容

    1. BI報(bào)表開(kāi)發(fā)掌握BI報(bào)表開(kāi)發(fā)常見(jiàn)流程和工具,完成電商行業(yè)BI報(bào)表開(kāi)發(fā)

    01_BI報(bào)表開(kāi)發(fā)需求分析| 02_BI報(bào)表工具| 03_FineReport報(bào)表入門(mén)| 04_泛電商行業(yè)五大主題的實(shí)現(xiàn)

  • Spark技術(shù)棧高手班 7

    課時(shí):10天 技術(shù)點(diǎn):110項(xiàng) 測(cè)驗(yàn):1次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握Spark的RDD、DAG、CheckPoint等設(shè)計(jì)思想| 2.掌握SparkSQL結(jié)構(gòu)化數(shù)據(jù)處理,Spark On Hive| 3.掌握Structured Streaming整合多數(shù)據(jù)源完成實(shí)時(shí)數(shù)據(jù)處理| 4.具備Spark全棧開(kāi)發(fā)能力,滿足大數(shù)據(jù)行業(yè)多場(chǎng)景統(tǒng)一技術(shù)棧的數(shù)據(jù)開(kāi)發(fā),提供就業(yè)核心競(jìng)爭(zhēng)力

    主講內(nèi)容

    1. Spark基礎(chǔ)本階段學(xué)習(xí)Spark環(huán)境搭建及以下知識(shí)點(diǎn):

    01_Spark基礎(chǔ)環(huán)境搭建| 02_Spark的Standalone環(huán)境搭建| 03_Spark的StandaloneHA搭建| 04_SparkOnYarn環(huán)境搭建

    2. Spark Core整個(gè)Spark框架核心部分,掌握框架內(nèi)部設(shè)計(jì)思想,數(shù)據(jù)流轉(zhuǎn)步驟,是學(xué)習(xí)Spark的基礎(chǔ)模塊,包含了以下技術(shù)點(diǎn):

    01_Spark架構(gòu)和原理(運(yùn)行機(jī)制、Driver和Executor、spark任務(wù)提交流程)| 02_RDD開(kāi)發(fā)和原理(Partition、Task、RDD的依賴關(guān)系、RDD的容錯(cuò)機(jī)制、RDD的存儲(chǔ)級(jí)別、RDD的緩存機(jī)制)廣播變量 | 03_DAG原理(DAG思想、DAG的生成、DAG的處理過(guò)程)

    3. Spark SQL學(xué)習(xí)Spark框架的SQL操作,Spark與Hive等外部數(shù)據(jù)源的整合操作,包含了以下技術(shù)點(diǎn):

    01_Spark SQL架構(gòu)和原理| 02_DataFrame、DataSet DSL和SQL開(kāi)發(fā)| 03_Spark多數(shù)據(jù)源整合(txt、CSV、Json、parquet、JDBC、Hive)| 04_Spark SQL執(zhí)行計(jì)劃原理| 05_Spark SQL性能調(diào)優(yōu)

    4. Kafka消息隊(duì)列主要講解消息中間件核心知識(shí),包括知識(shí)點(diǎn)如下:

    01_Kafka原理及架構(gòu)分析| 02_分布式實(shí)時(shí)計(jì)算架構(gòu)和思想| 03_陌陌社交場(chǎng)景實(shí)戰(zhàn)| 04_社交大數(shù)據(jù)架構(gòu)剖析

    5. StructedStreaming主要講解Spark實(shí)時(shí)計(jì)算組件,整合Kafka+StructedStreaming,包括知識(shí)點(diǎn)如下:

    01_流式計(jì)算基礎(chǔ)概念| 02_Structured Streaming編程模型| 03_Structured Streaming整合Kafka| 04_Structured Streaming實(shí)時(shí)數(shù)據(jù)處理與統(tǒng)計(jì)分析

    6. Spark案例實(shí)戰(zhàn)踐行場(chǎng)景式教學(xué),運(yùn)用了Spark階段知識(shí)點(diǎn),使用Lambda加解決數(shù)據(jù)分析的應(yīng)用,包含了以下技術(shù)點(diǎn):

    Spark案例實(shí)戰(zhàn)|Kafka和Structed Streaming

  • 用戶畫(huà)像解決方案高手班 8

    課時(shí):10天技術(shù)點(diǎn):90項(xiàng)測(cè)驗(yàn):0次學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1. 掌握SparkSQL整合ES自定義數(shù)據(jù)源| 2. 掌握用戶畫(huà)像構(gòu)建流程| 3. 掌握用戶畫(huà)像標(biāo)簽構(gòu)建規(guī)則| 4. 掌握用戶畫(huà)像規(guī)則類標(biāo)簽構(gòu)建| 5. 掌握用戶畫(huà)像統(tǒng)計(jì)類標(biāo)簽構(gòu)建

    項(xiàng)目提供了全行業(yè)用戶畫(huà)像解決方案, 使用SparkSQL+ES+DS構(gòu)建企業(yè)級(jí)用戶畫(huà)像,通過(guò)SparkSQL+MySQL構(gòu)建通用行業(yè)用戶畫(huà)像標(biāo)簽體系。

    進(jìn)入項(xiàng)目體驗(yàn)
    主講解決方案

    用戶畫(huà)像解決方案,主要針對(duì)于泛電商或保險(xiǎn)行業(yè)完成用戶標(biāo)簽設(shè)計(jì),提供了全行業(yè)解決方案,課程采用由淺入深,層層遞進(jìn)的講解方式, 讓你輕松掌握企業(yè)級(jí)用戶畫(huà)像的使用, 使用SparkSQL+ES+DS構(gòu)建企業(yè)級(jí)用戶畫(huà)像。

    主講知識(shí)點(diǎn)

    01_SparkSQL整合ES自定義數(shù)據(jù)源| 02_DS任務(wù)界面化調(diào)度| 03_用戶畫(huà)像標(biāo)簽構(gòu)建規(guī)則| 04_用戶畫(huà)像規(guī)則類標(biāo)簽構(gòu)建| 05_用戶畫(huà)像統(tǒng)計(jì)類標(biāo)簽構(gòu)建

  • PB級(jí)內(nèi)存計(jì)算項(xiàng)目實(shí)戰(zhàn)高手班 9

    課時(shí):3天技術(shù)點(diǎn):88項(xiàng)測(cè)驗(yàn):0次學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握保險(xiǎn)行業(yè)數(shù)據(jù)分析流程| 2.掌握保費(fèi)計(jì)算流程| 3.掌握DS調(diào)度流程| 4.掌握UDAF使用場(chǎng)景

    保險(xiǎn)精算項(xiàng)目需要計(jì)算海量明細(xì)保單數(shù)據(jù),以便生成財(cái)務(wù)報(bào)表。項(xiàng)目使用SparkSQL來(lái)計(jì)算,時(shí)效變快,增強(qiáng)保險(xiǎn)公司的商業(yè)信譽(yù)。項(xiàng)目將多部門(mén)的業(yè)務(wù)數(shù)據(jù)庫(kù)同步到hive數(shù)據(jù)集市,使用SparkSQL加載源數(shù)據(jù)表(保單表12億保單,客戶表8千萬(wàn)客戶等),計(jì)算保單的保費(fèi)、現(xiàn)金價(jià)值、準(zhǔn)備金等明細(xì),提供給財(cái)務(wù)部門(mén)收費(fèi)或支出,對(duì)保單匯總計(jì)算(業(yè)務(wù)發(fā)展類指標(biāo),成本費(fèi)用類指標(biāo)等),并向業(yè)務(wù)人員做數(shù)據(jù)展示。

    進(jìn)入項(xiàng)目體驗(yàn)
    主講解決方案

    項(xiàng)目核心架構(gòu)和業(yè)務(wù)流程、Hive數(shù)倉(cāng)建模 、Sqoop數(shù)據(jù)同步開(kāi)發(fā) DolphinScheduler任務(wù)調(diào)度、使用lag,sum等窗口函數(shù) 、使用UDAF函數(shù)計(jì)算有效保單數(shù)字段、計(jì)算現(xiàn)金價(jià)值、計(jì)算和準(zhǔn)備金、分區(qū)表的使用 、指標(biāo)匯總計(jì)算 、Shuffle優(yōu)化。

    主講知識(shí)點(diǎn)

    基于Spark輕松應(yīng)對(duì)保險(xiǎn)復(fù)雜的迭代計(jì)算

  • 基于AI大模型數(shù)據(jù)開(kāi)發(fā)項(xiàng)目實(shí)戰(zhàn)高手班 10

    課時(shí):2天 技術(shù)點(diǎn):30項(xiàng) 測(cè)驗(yàn):1次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.完成ChatGPT基礎(chǔ)使用| 2.基于ChatGPT可以完成改Bug,寫(xiě)注釋,生成代碼等常見(jiàn)編程任務(wù)| 3.能夠基于合理的Prompts提示詞進(jìn)行提問(wèn),助力提升編程效率

    主講內(nèi)容

    1. AI大模型提升數(shù)據(jù)開(kāi)發(fā)效率掌握基于AI大模型完成大數(shù)據(jù)開(kāi)發(fā)任務(wù),助力開(kāi)發(fā)效率提升

    01_ChatGPT生成代碼| 02_ChatGPT改Bug| 03_基于AI大模型的出行大數(shù)據(jù)平臺(tái)數(shù)倉(cāng)搭建| 04_基于AI大模型指標(biāo)開(kāi)發(fā)

  • 面試加強(qiáng)高手班 11

    課時(shí):4天 技術(shù)點(diǎn):40項(xiàng) 測(cè)驗(yàn):0次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.強(qiáng)化面試就業(yè)核心面試題| 2.梳理大數(shù)據(jù)架構(gòu)及解決方案| 3.剖析多行業(yè)大數(shù)據(jù)架構(gòu)

    主講內(nèi)容

    1. SQL實(shí)戰(zhàn)解決Python大數(shù)據(jù)常見(jiàn)的SQL面試題,包含了以下技術(shù)點(diǎn):

    01_面試題必備SQL實(shí)戰(zhàn)| 02_SQL優(yōu)化加強(qiáng)

    2. Hive數(shù)據(jù)分析與面試題加強(qiáng)解決Hive數(shù)據(jù)分析開(kāi)發(fā)必備面試題,包含了以下技術(shù)點(diǎn):

    01_Hive基礎(chǔ)| 02_Hive拉鏈表| 03_Hive數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建示例| 04_Hive面試題

    3. Spark數(shù)據(jù)分析與面試題加強(qiáng)解決Spark開(kāi)發(fā)必備面試題,包含了以下技術(shù)點(diǎn):

    01_Spark基礎(chǔ)| 02_Spark離線分析| 04_Spark面試題

    4. 大數(shù)據(jù)多行業(yè)架構(gòu)剖析解決多行業(yè)多場(chǎng)景大數(shù)據(jù)架構(gòu)設(shè)計(jì),具備舉一反三設(shè)計(jì)大數(shù)據(jù)架構(gòu)體系能來(lái),包含了以下技術(shù)點(diǎn):

    01_數(shù)據(jù)分析流程| 02_大數(shù)據(jù)架構(gòu)剖析| 03_多行業(yè)大數(shù)據(jù)架構(gòu)設(shè)計(jì)| 04_大數(shù)據(jù)存儲(chǔ),調(diào)度等解決方案

  • 阿里云實(shí)時(shí)計(jì)算Flink全棧開(kāi)發(fā)高手班 12

    課時(shí):5天 技術(shù)點(diǎn):80項(xiàng) 測(cè)驗(yàn):1次 學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.掌握基于阿里云Flink進(jìn)行實(shí)時(shí)和離線數(shù)據(jù)處理、分析| 2.掌握基于阿里云Flink的多流并行處理技術(shù)| 3.掌握FlinkCDC多數(shù)據(jù)源采集技術(shù)

    主講內(nèi)容

    1. 阿里云Flink入門(mén)掌握國(guó)內(nèi)最火的阿里云Flink技術(shù),完成SQL、Python等作業(yè)提交。

    01_阿里云賬號(hào)角色授權(quán)| 02_開(kāi)通Flink全托管| 03_Flink SQL作業(yè)快速入門(mén)| 04_Flink JAR作業(yè)快速入門(mén)| 05_Flink Python作業(yè)快速入門(mén)| 06_數(shù)據(jù)庫(kù)實(shí)時(shí)入倉(cāng)快速入門(mén)| 07_日志實(shí)時(shí)入倉(cāng)快速入門(mén)

    2. Flink SQL掌握FlinkSQL流批一體開(kāi)發(fā)流程,集成Flink核心窗口、水印、狀態(tài)管理等高級(jí)功能,助力高效開(kāi)發(fā)。

    01_Flink SQL開(kāi)發(fā)| 02_Hive + Flink SQL| 03_Watermark| 04_Checkpoint| 05_任務(wù)調(diào)度與負(fù)載均衡| 06_狀態(tài)管理| 07_Flink性能監(jiān)控| 08_Flink調(diào)優(yōu)| 09_Flink SQL執(zhí)行計(jì)劃

    3. Flink作業(yè)開(kāi)發(fā)掌握Flink作業(yè)開(kāi)發(fā)流程,完成不同方式的作業(yè)開(kāi)發(fā)和調(diào)試。

    01_作業(yè)開(kāi)發(fā)| 02_SQL作業(yè)開(kāi)發(fā)| 03_JAR作業(yè)開(kāi)發(fā)| 04_Python作業(yè)開(kāi)發(fā)| 05_作業(yè)調(diào)試| 06_模板中心| 07_管理自定義連接器| 08_管理自定義函數(shù)(UDF)

    4. 阿里云Flink運(yùn)維掌握Flink運(yùn)維流程,針對(duì)不同場(chǎng)景通過(guò)不同解決方案,達(dá)到高效運(yùn)維使用云平臺(tái)。

    01_權(quán)限管理| 02_RAM用戶授權(quán)| 03_作業(yè)操作賬號(hào)授權(quán)| 04_作業(yè)啟動(dòng)| 05_作業(yè)停止| 06_管理作業(yè)版本| 07_修改作業(yè)配置| 08_查看作業(yè)詳情| 09_查看與修改作業(yè)運(yùn)行狀態(tài)| 10_調(diào)優(yōu)診斷| 11_查看作業(yè)性能| 12_作業(yè)智能診斷| 13_配置自動(dòng)調(diào)優(yōu)| 14_高性能Flink SQL優(yōu)化技巧| 15_作業(yè)狀態(tài)管理| 16_企業(yè)級(jí)狀態(tài)后端存儲(chǔ)介紹| 17_作業(yè)狀態(tài)集管理| 18_Flink State兼容性參考

  • 阿里云實(shí)時(shí)計(jì)算項(xiàng)目高手班 13

    課時(shí):5天技術(shù)點(diǎn):80項(xiàng)測(cè)驗(yàn):0次學(xué)習(xí)方式:線下面授

    學(xué)習(xí)目標(biāo)

    1.基于阿里云Flink + Kafka + Paimon 湖倉(cāng)一體技術(shù)架構(gòu)| 2.基于FlinkCDC完成MySQL等數(shù)據(jù)源的數(shù)據(jù)采集| 3.FlinkSQL流批一體架構(gòu)實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)計(jì)算| 4.使用Starrocks進(jìn)行海量多維分析| 5.掌握數(shù)據(jù)報(bào)表分析| 6.掌握業(yè)務(wù)數(shù)據(jù)實(shí)時(shí)大屏場(chǎng)景實(shí)現(xiàn)

    本項(xiàng)目是基于某物流公司業(yè)務(wù)研發(fā)的智慧物流大數(shù)據(jù)平臺(tái),公司業(yè)務(wù)網(wǎng)點(diǎn)覆蓋各地,大規(guī)模的客戶群體,日訂單達(dá)1000W,平臺(tái)對(duì)千億級(jí)數(shù)據(jù)進(jìn)行整合、分析、處理,保障業(yè)務(wù)的順利進(jìn)行。

    進(jìn)入項(xiàng)目體驗(yàn)
    主講解決方案

    采集超過(guò)千萬(wàn)條在線視頻的數(shù)據(jù),實(shí)時(shí)高性能海量數(shù)據(jù)分析與存儲(chǔ)業(yè)務(wù)數(shù)據(jù)實(shí)時(shí)大屏場(chǎng)景實(shí)現(xiàn)。

    主講知識(shí)點(diǎn)

    基于Flink + Kafka + Paimon 湖倉(cāng)一體技術(shù)架構(gòu),實(shí)現(xiàn)在線視頻行業(yè)大規(guī)模流數(shù)據(jù)處理和實(shí)時(shí)分析。本項(xiàng)目依托 阿里云 Flink 流處理計(jì)算引擎, 通過(guò) FlinkCDC 實(shí)時(shí)采集 RDS MySQL 數(shù)據(jù)庫(kù)數(shù)據(jù),實(shí)現(xiàn)數(shù)據(jù)采集的斷點(diǎn)續(xù)傳,使用Kafka 作為實(shí)時(shí)數(shù)倉(cāng),使用 Paimon 實(shí)現(xiàn)數(shù)據(jù)的持久化和Flink 批處理,實(shí)現(xiàn)計(jì)算的流批一體,數(shù)據(jù)存儲(chǔ)的湖倉(cāng)一體,采用StarRocks對(duì)接DataV完成實(shí)時(shí)業(yè)務(wù)大屏展示。

  • 亞秒級(jí)實(shí)時(shí)進(jìn)階課進(jìn)階班 1

    課時(shí):60天 技術(shù)點(diǎn):1000項(xiàng) 測(cè)驗(yàn):0次 學(xué)習(xí)方式:線上學(xué)習(xí)

    學(xué)習(xí)目標(biāo)

    1.線上3個(gè)月進(jìn)階大數(shù)據(jù)實(shí)時(shí)開(kāi)發(fā),多行業(yè)大數(shù)據(jù)項(xiàng)目助力企業(yè)數(shù)字人才精英| 2.皆在成就實(shí)時(shí)開(kāi)發(fā)工程師,大數(shù)據(jù)架構(gòu)師等,幫助學(xué)員成為站在金字塔頂端的實(shí)時(shí)工程師

    主講內(nèi)容

    1. 大數(shù)據(jù)Java語(yǔ)言大數(shù)據(jù)生態(tài)多語(yǔ)言開(kāi)發(fā),為進(jìn)階實(shí)時(shí)數(shù)據(jù)開(kāi)發(fā)奠定基礎(chǔ)

    01_編程基礎(chǔ)| 02_面向?qū)ο?span>| 03_常用類| 04_集合操作| 05_IO操作| 06_Java基礎(chǔ)增強(qiáng)| 07_JDBC| 08_Maven| 09_爬蟲(chóng)案例

    2. 數(shù)據(jù)采集掌握實(shí)時(shí)計(jì)算中組件,數(shù)據(jù)開(kāi)發(fā)工程師重要技能

    01_Flume| 02_DataX| 03_實(shí)時(shí)采集

    3. NoSQL&消息中心分布式存儲(chǔ)和消息隊(duì)列專項(xiàng)課,從原理到源碼,助力多場(chǎng)景存儲(chǔ)技術(shù)架構(gòu)選型,升值加薪必備技能。

    01_分布式緩存Redis| 02_消息隊(duì)列Kafka| 03_Hbase| 04_ELK技術(shù)棧| 05_消息隊(duì)列Pulsar

    4. 實(shí)時(shí)OLAP框架掌握實(shí)時(shí)OLAP框架,數(shù)據(jù)開(kāi)發(fā)工程師重要技能。

    01_實(shí)時(shí)OLAP框架ClickHouse| 02_實(shí)時(shí)OLAP框架Doris

    5. 數(shù)據(jù)湖開(kāi)發(fā)數(shù)據(jù)湖技術(shù)專題課程,完成湖倉(cāng)一體架構(gòu)進(jìn)階。

    01_Hudi 基礎(chǔ)入門(mén)篇| 02_Hudi 應(yīng)用進(jìn)階篇| 03_Hudi 實(shí)戰(zhàn)案例篇

    6. Flink技術(shù)棧Apache Flink作為當(dāng)下流行的實(shí)時(shí)技術(shù),深度剖析底層原理,實(shí)現(xiàn)高級(jí)實(shí)時(shí)開(kāi)發(fā)工程師進(jìn)階。

    01_Flink基礎(chǔ)| 02_Flink DataStream的使用| 03_Kafka + Flink| 04_Flink SQL開(kāi)發(fā)| 05_Hive + Flink SQL| 06_Flink CDC| 07_Flink CEP /Flink CEP SQL| 08_Watermark| 09_Checkpoint| 10_任務(wù)調(diào)度與負(fù)載均衡| 11_狀態(tài)管理| 12_Flink性能監(jiān)控

    7. FlinkSQL原理到精通全網(wǎng)流批一體架構(gòu)FlinkSQL,進(jìn)階技術(shù)+業(yè)務(wù)專家。

    01_Flink SQL開(kāi)發(fā)| 02_Hive + Flink SQL| 03_Flink性能監(jiān)控| 04_Flink調(diào)優(yōu)| 05_Flink SQL執(zhí)行計(jì)劃| 06_FlinkSQL案例實(shí)戰(zhàn)

    8. 星途車聯(lián)網(wǎng)實(shí)時(shí)項(xiàng)目掌握車聯(lián)網(wǎng)大數(shù)據(jù)實(shí)時(shí)業(yè)務(wù)場(chǎng)景開(kāi)發(fā),助力物聯(lián)網(wǎng)行業(yè)高薪挑戰(zhàn)。

    01_Hive| 02_HBase| 03_HDFS數(shù)據(jù)存儲(chǔ)| 04_Kafka數(shù)據(jù)傳輸| 05_Flink全棧數(shù)據(jù)處理| 06_Nginx做反向代理| 07_LSV和Keepalived負(fù)載均衡和高可用

    9. 今日指數(shù)證券實(shí)時(shí)項(xiàng)目掌握金融業(yè)務(wù)數(shù)據(jù)實(shí)時(shí)場(chǎng)景實(shí),助力金融行業(yè)高薪挑戰(zhàn)。

    01_Druid| 02_HBase| 03_HDFS數(shù)據(jù)存儲(chǔ)| 04_Kafka數(shù)據(jù)傳輸| 05_Flink全棧數(shù)據(jù)處理| 06_Kylin 多維OLAP分析| 07_Redis高速緩存

    10. 基于DataWorks全鏈路數(shù)據(jù)開(kāi)發(fā)掌握智慧出行實(shí)時(shí)項(xiàng)目業(yè)務(wù)數(shù)據(jù)實(shí)時(shí)場(chǎng)景,覆蓋全網(wǎng)所有DataWorks平臺(tái)大數(shù)據(jù)。

    01_智慧出行實(shí)時(shí)項(xiàng)目業(yè)務(wù)數(shù)據(jù)實(shí)時(shí)場(chǎng)景異構(gòu)數(shù)據(jù)源采集| 02_基于DataWorks的大數(shù)據(jù)平臺(tái)設(shè)計(jì)| 03_出行行業(yè)可視化完整架構(gòu),涵蓋全生命周期項(xiàng)目

    11. 湖倉(cāng)一體化解決方案掌握基于湖倉(cāng)一體的在線視頻實(shí)時(shí)分析項(xiàng)目,助力大數(shù)據(jù)新技術(shù)企業(yè)應(yīng)用。

    01_湖倉(cāng)一體完整解決方案| 02_基于Flink的在線視頻數(shù)據(jù)處理與分析| 03_基于Hidi的在線視頻數(shù)據(jù)數(shù)據(jù)湖構(gòu)建

    12. Flink源碼剖析全網(wǎng)Flink源碼課程大全,從原理到源碼,深挖技術(shù)底層,助力Flink性能調(diào)優(yōu),大數(shù)據(jù)架構(gòu)師必備技能。

    01_Apache Flink設(shè)計(jì)理念與基本架構(gòu)| 02_Flink DataStream的設(shè)計(jì)與實(shí)現(xiàn)源碼分析| 03_Flink 運(yùn)行時(shí)的核心原理與實(shí)現(xiàn)| 04_Flink 任務(wù)提交與執(zhí)行| 05_狀態(tài)管理與容錯(cuò)| 06_網(wǎng)絡(luò)通信| 07_內(nèi)存管理

    13. Flink二次開(kāi)發(fā)掌握Flink二次開(kāi)發(fā)流程,個(gè)性化解決企業(yè)大數(shù)據(jù)平臺(tái)技術(shù)選型,助力在職的你持續(xù)高薪,大數(shù)據(jù)架構(gòu)師必備技能。

    01_基于PyFlink的PR提交| 02_Flink的源碼二次開(kāi)發(fā)流程| 03_Flink的源碼二次開(kāi)發(fā)需求分析| 04_Flink的源碼二次開(kāi)發(fā)實(shí)現(xiàn)過(guò)程| 05_PyFlink相關(guān)功能二次開(kāi)發(fā)

  • Python+大數(shù)據(jù)開(kāi)發(fā) V版本課程說(shuō)明

    課程名稱:主要針對(duì):主要使用開(kāi)發(fā)工具:

    課程介紹

“周”更新日志
課程大版本更新

課程更新日志按周更新熱點(diǎn)/前沿技術(shù)

  • 新增2023-06-21

    · 量化機(jī)制的介紹· 圖優(yōu)化方法的使用

  • 新增2023-06-15

    · yoloV8的架構(gòu)解析· 雙流FPN結(jié)構(gòu)的設(shè)計(jì)

  • 新增2023-06-08

    · FlinkSQL表參數(shù)· FlinkSQL解析器

  • 新增2023-06-02

    · FlinkSQL的Split分桶· FlinkSQL執(zhí)行計(jì)劃翻譯器參數(shù)

  • 新增2023-05-26

    · FlinkSQL的上游CDC去重· FlinkSQL多階段聚合

  • 新增2023-05-18

    · FlinkSQL參數(shù)優(yōu)化· FlinkSQL異步IO容量· FlinkSQL并行度設(shè)置

  • 新增2023-05-18

    · FlinkSQL參數(shù)優(yōu)化· FlinkSQL異步IO容量· FlinkSQL并行度設(shè)置

  • 新增2023-05-12

    · FlinkSQL語(yǔ)法· FlinKSQL UDF

  • 新增2023-05-06

    · Barrier(柵欄)機(jī)制

    升級(jí)

    · PyFlink

  • 新增2023-04-27

    · Flink狀態(tài)后端· Flink重啟策略

  • 新增2023-04-19

    · 窗口計(jì)算中時(shí)間的流逝問(wèn)題· 窗口的開(kāi)始和結(jié)束范圍

  • 新增2023-04-12

    · Window TVF 方案· Group Window Aggregation方案

  • 新增2023-04-07

    · 動(dòng)態(tài)表和連續(xù)查詢· Flink中的時(shí)間屬性

  • 新增2023-03-31

    · sql-client和Flink JobManager的連接· sql-client結(jié)果的顯示模式

  • 新增2023-03-23

    · TableEnvironment· sql-client 工具

    升級(jí)

    · Flink Table & SQL API

  • 新增2023-03-23

    · TableEnvironment· sql-client 工具

    升級(jí)

    · Flink Table & SQL API

  • 新增2023-03-14

    · Oracle的備份恢復(fù)· Oracle的OEM· Oracle的冷熱備份· Oracle的備份恢復(fù)

  • 新增2023-03-09

    · Oracle的權(quán)限管理· Oracle的審計(jì)

  • 新增2023-03-01

    · Oracle的進(jìn)程結(jié)構(gòu)和內(nèi)存結(jié)構(gòu)· Oracle的監(jiān)聽(tīng)器

  • 新增2023-02-22

    · Oracle數(shù)據(jù)庫(kù)管理· Oracle存儲(chǔ)結(jié)構(gòu)

  • 新增2023-02-16

    · Oracle的存儲(chǔ)函數(shù)· Oracle的存儲(chǔ)過(guò)程· Oracle的觸發(fā)器

  • 新增2023-02-08

    · Oracle的PLSQL編程· Oracle的游標(biāo)

  • 新增2023-02-03

    · Oracle索引· Oracle事務(wù)· Oracle常用工具

  • 新增2023-01-29

    · Oracle序列· Oracle同義詞

  • 新增2023-01-18

    · Oracle視圖· Oracle物化視圖

  • 新增2023-01-10

    · Oracle數(shù)據(jù)定義語(yǔ)言· Oracle常見(jiàn)對(duì)象

  • 新增2023-01-04

    · Oracle基礎(chǔ)· Oracle的查詢語(yǔ)法及綜合案例

  • 新增2022-12-27

    · Hive的explain執(zhí)行計(jì)劃詳解· Hive數(shù)據(jù)壓縮、存儲(chǔ)格式、自動(dòng)化腳本、常見(jiàn)性能優(yōu)化內(nèi)容優(yōu)化

  • 新增2022-12-21

    · PSM價(jià)格敏感度模型開(kāi)發(fā)· Presto對(duì)接多數(shù)據(jù)源實(shí)現(xiàn)指標(biāo)統(tǒng)計(jì)分析

  • 新增2022-12-13

    · RFM用戶價(jià)值度模型開(kāi)發(fā)· RFE用戶或月底模型開(kāi)發(fā)

  • 新增2022-12-07

    · 用戶畫(huà)像解決方案項(xiàng)目BI可視化實(shí)時(shí)統(tǒng)計(jì)結(jié)果數(shù)據(jù)· 用戶畫(huà)像解決方案項(xiàng)目BI可視化流程

  • 新增2022-12-01

    · 用戶行為埋點(diǎn)日志etl· 用戶行為埋點(diǎn)日志聚合統(tǒng)計(jì)· 用戶行為埋點(diǎn)日志統(tǒng)計(jì)結(jié)果入庫(kù)

  • 新增2022-11-24

    · 用戶行為埋點(diǎn)日志產(chǎn)生流程與漏斗模型

  • 新增2022-11-17

    · nginx日志ip定位,uv、pv、ua、access_time解析· nginx日志入庫(kù)mysql· 實(shí)時(shí)分析任務(wù)基類開(kāi)發(fā)

  • 新增2022-11-08

    · nginx日志介紹與產(chǎn)生的流程· nginx日志解析etl· nginx日志聚合統(tǒng)計(jì)

  • 新增2022-11-03

    · 操作采集nginx日志到kafka中· 結(jié)構(gòu)化流實(shí)現(xiàn)消費(fèi)nginx日志數(shù)據(jù)案例

  • 新增2022-10-26

    · flume實(shí)現(xiàn)采集數(shù)據(jù)到hdfs· flume實(shí)現(xiàn)數(shù)據(jù)采集到kafka· 實(shí)時(shí)基礎(chǔ)與kafka要點(diǎn)回顧

  • 新增2022-10-20

    · flume與實(shí)時(shí)數(shù)據(jù)采集流程· flume概述與核心要素· 標(biāo)簽類型與總結(jié)

  • 新增2022-10-13

    · 購(gòu)買(mǎi)周期標(biāo)簽思路與實(shí)現(xiàn)· 支付方式標(biāo)簽思路與實(shí)現(xiàn)· 標(biāo)簽類型與總結(jié)

  • 新增2022-10-07

    · 匹配標(biāo)簽開(kāi)發(fā)· 統(tǒng)計(jì)類標(biāo)簽開(kāi)發(fā)

  • 新增2022-09-26

    · 基于標(biāo)簽開(kāi)發(fā)基類重寫(xiě)統(tǒng)計(jì)類標(biāo)簽和規(guī)則類標(biāo)簽

  • 新增2022-09-20

    · spark實(shí)現(xiàn)統(tǒng)計(jì)類標(biāo)簽開(kāi)發(fā)· spark實(shí)現(xiàn)規(guī)則類標(biāo)簽開(kāi)發(fā)

  • 新增2022-09-14

    · spark與mysql整合· spark與es整合

  • 新增2022-09-06

    · 用戶畫(huà)像數(shù)據(jù)檢驗(yàn)的三種方式· 從hive導(dǎo)入數(shù)據(jù)到es實(shí)現(xiàn)· es元數(shù)據(jù)對(duì)象解析

  • 新增2022-08-23

    · es集成hadoop生態(tài)圈· es-hive支持· es-hive案例與參數(shù)

  • 新增2022-08-23

    · es核心原理與關(guān)鍵概念· es的resultful api· python代碼操作es

  • 新增2022-08-17

    · es基礎(chǔ)· 使用es的原因· es的架構(gòu)

  • 新增2022-08-09

    · 用戶畫(huà)像核心業(yè)務(wù)流程· sparksql分析引擎· 數(shù)倉(cāng)六層模型

  • 新增2022-08-01

    · 自動(dòng)導(dǎo)入oracle數(shù)據(jù)· 自動(dòng)創(chuàng)建文件目錄· 記錄自動(dòng)化過(guò)程日志

  • 新增2022-07-25

    · 自動(dòng)創(chuàng)建hive表· 自動(dòng)創(chuàng)建hive分區(qū)· 自動(dòng)關(guān)聯(lián)hdfs數(shù)據(jù)

  • 新增2022-07-18

    · 數(shù)倉(cāng)建模方法論· 日期維度程序生成· 維度模型選型

  • 新增2022-07-11

    · docker虛擬網(wǎng)橋與網(wǎng)卡· 宿主機(jī)與docker容器 · 創(chuàng)建大數(shù)據(jù)組件容器

  • 新增2022-07-04

    · 行程地理區(qū)域維度· 組織機(jī)構(gòu)維度· 服務(wù)網(wǎng)點(diǎn)維度

  • 新增2022-06-28

    · 加油站維度· 服務(wù)屬性維度· 物流公司維度 · 故障維度

  • 新增2022-06-21

    · 數(shù)倉(cāng)整體設(shè)計(jì)圖· 技術(shù)選型設(shè)計(jì)圖· 項(xiàng)目原始數(shù)據(jù)庫(kù)結(jié)構(gòu)圖

  • 新增2022-06-14

    · ODS建模后,使用SQOOP導(dǎo)入數(shù)據(jù)· DWD根據(jù)業(yè)務(wù)使用全量表、增量表、拉鏈表等不同的方式實(shí)現(xiàn)· DWB層的訂單明細(xì)表關(guān)聯(lián)了訂單表、訂單副表、訂單組表、店鋪表、地區(qū)表、訂單商品快照表等· 商品明細(xì)表關(guān)聯(lián)了商品表、商品分類表(三層分類)、商品品牌表等

  • 升級(jí)2022-06-07

    · 使用新版數(shù)據(jù)庫(kù),包含完整的訂單、商品、用戶、配送及支付、退款等數(shù)據(jù)· 實(shí)戰(zhàn)提取訂單相關(guān)的指標(biāo)和維度  · Flink多語(yǔ)言開(kāi)發(fā)· Flink監(jiān)控調(diào)優(yōu)

  • 新增2022-05-31

    · Flink背壓機(jī)制· Flink內(nèi)存管理· Python語(yǔ)言操作Flink

  • 新增2022-05-24

    · FlinkSink新特性· FlinkSQL整合Hive· 分層規(guī)范,通過(guò)對(duì)數(shù)據(jù)業(yè)務(wù)的分析,將數(shù)倉(cāng)分為ODS, DWD, DWB, DM, APP五層

  • 新增2022-05-17

    · FlinkSQL&Table理論部分比重,移除過(guò)期API,使用新版API · FlinkSQL整合Kafka案例· 雙流Join知識(shí)點(diǎn)和案例分層規(guī)范,通過(guò)對(duì)數(shù)據(jù)業(yè)務(wù)的分析,將數(shù)倉(cāng)分為ODS, DWD, DWB, DM, APP五層

  • 新增2022-05-10

    · Flink版本為1.14· 弱化DataSetAPI講解,加強(qiáng)DataStreamAPI-流批一體新特性的講解· 移除過(guò)期API,增加DataStream、Window、Watermaker新版API使用講解

  • 新增2022-05-03

    · 實(shí)時(shí)業(yè)務(wù)-實(shí)時(shí)統(tǒng)計(jì)Top10熱點(diǎn)題· 實(shí)時(shí)業(yè)務(wù)-實(shí)時(shí)統(tǒng)計(jì)答題最活躍的Top10年級(jí)· 實(shí)時(shí)業(yè)務(wù)-實(shí)時(shí)統(tǒng)計(jì)Top10熱點(diǎn)題及所屬科目

  • 新增2022-04-26

    · 數(shù)據(jù)模擬程序?qū)懭氲終afka· 實(shí)時(shí)分析學(xué)生答題情況· StructuredStreaming實(shí)時(shí)分析入口程序· python完成電商行業(yè)ETL實(shí)戰(zhàn)· ETL基礎(chǔ)概念· ETL完成的Pipeline構(gòu)建流程

  • 新增2022-04-19

    · 結(jié)構(gòu)化流更新,刪除Rate數(shù)據(jù)源-文件數(shù)據(jù)源· 刪除企業(yè)不常用SparkStreaming

  • 新增2022-04-12

    · Spark中Continuous Processing· Spark3.2新特性· Spark性能調(diào)優(yōu)九項(xiàng)原則、數(shù)據(jù)傾斜、shuffle優(yōu)化· 新增Spark教育行業(yè)案例,方便學(xué)員掌握RDD和DataFrame的使用

  • 新增2022-04-05

    · StructuredStreaming 處理延遲數(shù)據(jù)和水印· StructuredStreaming 結(jié)構(gòu)化流數(shù)據(jù)和靜態(tài)數(shù)據(jù)Join· StructuredStreaming 結(jié)構(gòu)化流數(shù)據(jù)和結(jié)構(gòu)化路數(shù)據(jù)Join

  • 新增2022-03-29

    · 離線業(yè)務(wù)分析-各科目熱點(diǎn)題分析· 離線業(yè)務(wù)分析-各科目推薦題分析

  • 新增2022-03-22

    · StructuredStreaming 物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)分析案例· StructuredStreaming 基于事件時(shí)間的窗口

  • 新增2022-03-15

    · SparkSQL底層執(zhí)行原理· StructedStream結(jié)構(gòu)化流內(nèi)容· Pandas的教育案例數(shù)倉(cāng)實(shí)戰(zhàn)

  • 升級(jí)2022-03-08

    · 升級(jí)Spark版本到3.2· 升級(jí)Spark的主流開(kāi)發(fā)語(yǔ)言為Python· 優(yōu)化Spark的Standalone方式安裝,使用local和yarn模式· Spark3.2整合Hive3.1.2版本兼容問(wèn)題

  • 新增2022-03-01

    · MySQL的教育案例數(shù)倉(cāng)實(shí)戰(zhàn)· Pandas基礎(chǔ)使用,作為理解Spark數(shù)據(jù)類型的基礎(chǔ)· Pandas的Series數(shù)據(jù)結(jié)構(gòu)· 增加在線教育案例

  • 新增2022-02-25

    · Python版本Hbase的API調(diào)用· Python的教育案例數(shù)倉(cāng)實(shí)戰(zhàn)· StructuredStreaming Sink內(nèi)容· StructuredStreaming 整合Kafka

  • 新增2022-02-18

    · Flume采集MoMo數(shù)據(jù)集場(chǎng)景· 實(shí)時(shí)和離線方式處理數(shù)據(jù)場(chǎng)景· Python版本Kafka的調(diào)用· NoSQL階段多場(chǎng)景項(xiàng)目實(shí)戰(zhàn)

  • 新增2022-02-11

    ·Flume1.9數(shù)據(jù)采集方式· Hbase2.x新特性

    升級(jí)

    · Hbase的BulkLoader全量數(shù)據(jù)加載方式

  • 新增2022-02-04

    ·Python版本MapReduce寫(xiě)法

  • 新增2022-01-28

    · python腳本實(shí)現(xiàn)增量從oracle導(dǎo)入數(shù)據(jù)到hdfs中 · python腳本實(shí)現(xiàn)全量從oracle導(dǎo)入數(shù)據(jù)到hdfs中 · python腳本實(shí)現(xiàn)上傳avro文件到hdfs上

  • 新增2022-01-21

    · python腳本實(shí)現(xiàn)壓縮表的avro文件為tar.gz文件 · python腳本實(shí)現(xiàn)avro壓縮文件上傳hdfs · python實(shí)現(xiàn)讀取oracle表原始數(shù)據(jù) · python實(shí)現(xiàn)創(chuàng)建hive表

  • 新增2022-01-14

    · python實(shí)現(xiàn)自定義記錄日志 · python實(shí)現(xiàn)讀取一行行文本文件工具類 · python讀取表信息轉(zhuǎn)對(duì)象方法 · python實(shí)現(xiàn)sparksql創(chuàng)建數(shù)據(jù)庫(kù)和表 · python實(shí)現(xiàn)sparksql創(chuàng)建分區(qū)關(guān)聯(lián)表對(duì)應(yīng)的hdfs數(shù)據(jù)方法

  • 新增2022-01-07

    · python實(shí)現(xiàn)sparksql查詢ods層明細(xì)數(shù)據(jù)并加載到dwd層方法 · python實(shí)現(xiàn)sparksql查詢ods層明細(xì)數(shù)據(jù)并加載到dwd層方法 · 造數(shù)據(jù)平臺(tái) · 新特殊字段類型

  • 新增2021-12-24

    · 字段類型 · flink源碼前置基礎(chǔ) · 源碼的編譯和部署 · flink啟動(dòng)腳本的解讀 · yarn-per-job模式解析

  • 新增2021-12-17

    · flink任務(wù)調(diào)度機(jī)制 · flink內(nèi)存模型 · HIve3新特性 · Hive3數(shù)據(jù)壓縮,存儲(chǔ)格式等內(nèi)容 · Hadoop3新特性

  • 新增2021-12-10

    · 概念和通用api介紹 · sqlclient工具的使用 · catalogs知識(shí)點(diǎn)的學(xué)習(xí) · 流處理中的概念介紹

  • 新增2021-12-03

    · flinksql中的窗口使用 · FlinkSQL函數(shù)操作 · Flinksql連接到外部系統(tǒng) · flinksql的原理和調(diào)優(yōu) · sql操作參考

  • 新增2021-11-26

    · flink on yarn的第三種部署方式(Application Mode) · 自定義source · transformation算子minby和maxby · transformation的八大物理分區(qū)的原理和實(shí)現(xiàn) · flink的global window的操作

  • 新增2021-11-19

    · flink內(nèi)置水印函數(shù)的操作 · flink的window的ReduceFunction · flink的state的數(shù)據(jù)結(jié)構(gòu)的api升級(jí) · flink的window的ProcessWindowFunction · flink的window的具有增量聚合的ProcessWindowFunction

  • 新增2021-11-12

    · flink的window的在 ProcessWindowFunction 中使用每個(gè)窗口狀態(tài) · flink的state的ttl機(jī)制 · flink的state的數(shù)據(jù)結(jié)構(gòu)的api升級(jí) · flink的Queryable State知識(shí)點(diǎn) · 異步io的vertx框架實(shí)現(xiàn)

  • 新增2021-11-05

    · flink的join操作 · Streaming File Sink連接器的小文件操作 · 數(shù)據(jù)類型及序列化的原理和實(shí)現(xiàn)案例 · 熱門(mén)銷售排行TopN的使用案例 · 布隆過(guò)濾器結(jié)合TTL的使用案例

  • 新增2021-10-29

    · PySpark的安裝 · PySpark任務(wù)提交方式 · PySpark多種模式spark-submit · PySpark實(shí)現(xiàn)wordcount案例實(shí)戰(zhàn)

  • 新增2021-10-22

    · Anaconda安裝使用 · Python實(shí)現(xiàn)RDD的基礎(chǔ)的Transformation操作 · Python實(shí)現(xiàn)RDD的Action操作 · Python實(shí)現(xiàn)Sougou分詞案例 · Python實(shí)現(xiàn)IP熱度分析案例

  • 新增2021-10-15

    · Python實(shí)現(xiàn)PV-UV-TOPK案例 · Python實(shí)現(xiàn)累加器及案例優(yōu)化 · Python實(shí)現(xiàn)廣播變量案例及優(yōu) · Python實(shí)現(xiàn)緩存案例及優(yōu)化實(shí)現(xiàn) · PySparkSQL實(shí)現(xiàn)基礎(chǔ)統(tǒng)計(jì)操作

  • 新增2021-10-08

    · PySpark實(shí)現(xiàn)DataFrame的基礎(chǔ)操作 · PySpark實(shí)現(xiàn)DataFrame的wordcount操作 · PySpark實(shí)現(xiàn)DataFrame和RDD的轉(zhuǎn)換操作 · PySpark實(shí)現(xiàn)電影評(píng)分?jǐn)?shù)據(jù)集分析

  • 新增2021-09-24

    · PySpark的底層Dataframe如何轉(zhuǎn)化為RDD的原理操作 · PySparkSQL的優(yōu)化方式 · PySparkSQL分布式引擎實(shí)現(xiàn) · PySparkSQL與HIve整合 · PySpark離線教育案例

  • 新增2021-09-17

    · PySpark新零售分析案例 · ETL、ELT區(qū)別 · Hive CTE表達(dá)式、更新union聯(lián)合查詢 · 大數(shù)據(jù)5V特點(diǎn) · 大數(shù)據(jù)多個(gè)應(yīng)用場(chǎng)景

  • 更新2021-09-10

    · pandas及可視化課程迭代至v2.01 · 數(shù)據(jù)分析多場(chǎng)景項(xiàng)目迭代至v1.81 · 最新版Python基礎(chǔ)編程v2.01 · 最新版Python編程進(jìn)階更新迭代至v2.01 · 制定v2.0版本課程大綱

  • 升級(jí)2021-09-03

    · 完善flink的運(yùn)行架構(gòu)內(nèi)容 · 完善flink與kafka連接器的操作 · 完善flink的window操作的講義 · 完善ODS層,新增和更新抽取方式,畫(huà)圖錯(cuò)誤

  • 更新2021-08-27

    · Flink版本為1.13最新版 · Flink table&sql的整體概述 · 項(xiàng)目開(kāi)發(fā)語(yǔ)言為spark官方使用最多的python語(yǔ)言

  • 更新2021-08-20

    · Spark語(yǔ)言為官方使用最多的Python語(yǔ)言 · Spark版本為3.1.2發(fā)行版,Hive3.1.2版本

  • 升級(jí)2021-08-13

    · 升級(jí)HDFS讀寫(xiě)流程原理圖 · 升級(jí)Hadoop為最新3.3.0版本 · 升級(jí)編排Linux2天講義 · 升級(jí)Mysql RPM安裝方式以支持hive3

  • 優(yōu)化2021-08-06

    · 優(yōu)化Hive知識(shí)點(diǎn)案例 同步為Hive3版本 · 優(yōu)化Linux基礎(chǔ)命令,刪除了不常用命令 · 優(yōu)化使用Python實(shí)現(xiàn)MR原理機(jī)制

  • 優(yōu)化2021-08-03

    · 優(yōu)化OLAP、OLTP區(qū)別 · 優(yōu)化Hadoop版本安裝及注意事項(xiàng) · 優(yōu)化數(shù)據(jù)分析基本步驟(6部曲) · 優(yōu)化Hive版本為最新的3.1.2版本

  • 優(yōu)化2021-07-27

    · 優(yōu)化HIve3.x架構(gòu) · 優(yōu)化PySpark執(zhí)行流程,引入Py4J技術(shù) · 優(yōu)化車聯(lián)網(wǎng)Web展示部分 · 優(yōu)化車聯(lián)網(wǎng)離線Hive數(shù)倉(cāng)構(gòu)建部分

  • 新增2021-07-20

    · 新增數(shù)倉(cāng)整體設(shè)計(jì)圖 · 新增技術(shù)選型設(shè)計(jì)圖 · 新增項(xiàng)目原始數(shù)據(jù)庫(kù)結(jié)構(gòu)圖

  • 新增2021-07-13

    · 新增油站維度 · 新增服務(wù)屬性維度 · 新增物流公司維度 · 新增故障維度

  • 新增2021-07-06

    · 新增行程地理區(qū)域維度 · 新增組織機(jī)構(gòu)維度 · 新增服務(wù)網(wǎng)點(diǎn)維度 · 新增數(shù)倉(cāng)建模方法論 · 新增日期維度程序生成

  • 新增2021-06-29

    · 新增維度模型選型 · 新增自動(dòng)創(chuàng)建hive表 · 新增自動(dòng)創(chuàng)建hive分區(qū) · 新增自動(dòng)關(guān)聯(lián)hdfs數(shù)據(jù) · 新增自動(dòng)導(dǎo)入oracle數(shù)據(jù)

  • 新增2021-06-22

    · 新增自動(dòng)創(chuàng)建文件目錄 · 新增記錄自動(dòng)化過(guò)程日志 · 新增java和數(shù)據(jù)結(jié)構(gòu)大數(shù)據(jù)題目4個(gè)  · 新增算法題目4個(gè) · 新增Hadoop題目6個(gè)

  • 新增2021-06-15

    · 新增hive題目3個(gè) · 新增spark題目7個(gè) · 新增flink題目4個(gè) · 新增其他大數(shù)據(jù)組件題目4個(gè) · 新增美團(tuán)大數(shù)據(jù)架構(gòu)

  • 新增2021-06-08

    · 新增平安大數(shù)據(jù)架構(gòu)解決方案 · 新增小米大數(shù)據(jù)架構(gòu)解決方案 · 新增百度廣告業(yè)務(wù)場(chǎng)景大數(shù)據(jù)架構(gòu)解決方案

  • 新增2021-06-01

    · 新增Flume1.9數(shù)據(jù)采集方式 · 新增Flume采集MoMo數(shù)據(jù)集場(chǎng)景 · 新增實(shí)時(shí)和離線方式處理數(shù)據(jù)場(chǎng)景 · 新增SparkWebUI功能解釋

  • 新增2021-05-25

    · 新增SparkSQL比重 · 新增StructedStream雙流Join知識(shí)點(diǎn) · 新增Spark多語(yǔ)言開(kāi)發(fā)-JavaSpark和PySpark

  • 新增2021-05-18

    · 新增SparkMlLib-ALS推薦算法案例和原理 · 新增SparkMlLib-線性回歸算法案例和原理 · 新增SparkMlLib-決策樹(shù)算法案例和原理

  • 新增2021-05-11

    · 新增Spark3.0新特性 · 新增Spark性能調(diào)優(yōu)九項(xiàng)原則、N多配置參數(shù)、數(shù)據(jù)傾斜、shuffle優(yōu)化 · 新增IP查詢案例

  • 新增2021-05-04

    · 新增教師案例Spark案例 · 新增DataStream、Window、Watermaker新版API使用講解 · 新增FlinkSQL&Table理論部分比重,使用新版API· 新增FlinkSQL整合Kafka案例· 新增雙流Join知識(shí)點(diǎn)和案例

  • 新增2021-04-26

    · 新增Execl數(shù)據(jù)分析,整合Execl圖標(biāo)、透視表等使用 · 新增Execl分析項(xiàng)目 · 新增Tableau的BI分析工具及項(xiàng)目實(shí)· Tableau電商項(xiàng)目

  • 新增2021-04-19

    · BI工具使用 · 數(shù)據(jù)分析報(bào)告 · 數(shù)據(jù)儀表板展示· Tableau電商項(xiàng)目

  • 新增2021-04-12

    · Excel數(shù)據(jù)處理和計(jì)算 · Excel透視表 · Excel圖表· Excel基本使用

  • 新增2021-04-05

    · 數(shù)據(jù)埋形式 · 數(shù)據(jù)埋點(diǎn)方案 · 數(shù)據(jù)需求文檔· 后端埋點(diǎn)

  • 升級(jí)2021-03-29

    · 定時(shí)爬蟲(chóng) · 下單并發(fā)處理 · 中文分詞· 用戶畫(huà)像

  • 新增2021-03-22

    · 阿里搜索解決方案 · 快遞解決方案 · Django即時(shí)通訊· mysql集群管理

  • 新增2021-03-15

    · 騰訊聊天機(jī)器人 · 騰訊文字識(shí)別 · python操作mycat · 小程序開(kāi)發(fā)

  • 新增2021-03-08

    · django_extensions使用 · axios網(wǎng)易案例 · 阿里云方案 · django-channels使用

  • 新增2021-03-01

    · pytest自定義插件使用 · pytest異步調(diào)用 · pytest定時(shí)執(zhí)行 · pytest標(biāo)記使用

  • 升級(jí)2021-02-22

    · Cookie和Session使用 · Django類裝飾器 · Django多對(duì)多查詢 · Django關(guān)聯(lián)查詢

  • 升級(jí)2021-02-15

    · 推薦算法 · 數(shù)據(jù)可視化 · sql數(shù)據(jù)查詢 · H5語(yǔ)法

  • 升級(jí)2021-02-08

    · 美多狀態(tài)保持 · Django框架請(qǐng)求對(duì)象獲取數(shù)據(jù) · Django模版 · Django拓展類

  • 新增2021-02-01

    · asyncio編程 · RabbitMQ的Confirm機(jī)制 · RocketMQ使用 · Celery定時(shí)任務(wù)

  • 新增2021-01-25

    · Angular管道 · Angular路由 · Angular使用HTTP · Angular表單

  • 新增2021-01-18

    · Ant Design · TypeScript類型斷言 · TypeScript內(nèi)置對(duì)象 · TypeScript代碼檢查

  • 升級(jí)2021-01-11

    · Django認(rèn)證 · Django權(quán)限控制 · 美多商城發(fā)送短信 · 美多商場(chǎng)QQ登錄

  • 升級(jí)2021-01-04

    · SQL查詢 · 數(shù)據(jù)倉(cāng)庫(kù) · 業(yè)務(wù)報(bào)表· Pandas

  • 新增2020-12-28

    · 機(jī)器學(xué)習(xí)排序算法 · 購(gòu)物籃分析 · RFM模型· K均值聚類算法

  • 新增2020-12-21

    · 物品畫(huà)像 · 用戶畫(huà)像 · 召回算法· 漏斗分析

  • 升級(jí)2020-12-14

    · 狀態(tài)保持 · 權(quán)限管理 · 頁(yè)面靜態(tài)化· xpath工具

  • 升級(jí)2020-12-07

    · 極驗(yàn)驗(yàn)證 · jieba分詞 · shell代碼發(fā)布· 對(duì)象存儲(chǔ)

  • 新增2020-11-30

    · ES集群搭建 · IK中文分詞 · ES聚合查詢· ES凍結(jié)解凍索引

  • 新增2020-11-23

    · Kafka Broker集群 · Topic模型 · kafka數(shù)據(jù)備份· kafka消息持久化

  • 升級(jí)2020-11-16

    · pandas的apply方法 · pandas的transform方法 · pandas的to_numeric函數(shù)· Pandas內(nèi)置聚合方法

  • 升級(jí)2020-11-09

    · elk日志監(jiān)控 · shell代碼發(fā)布 · ubuntu版本20.04· 移動(dòng)端測(cè)試

  • 優(yōu)化2020-11-02

    · mysql讀寫(xiě)分離 · reids哨兵 · redis安全限制· Keepalived非搶占模式

  • 新增2020-10-26

    · VIP腦裂 · MyCAT使用 · WA配置使用· redis持久化

  • 新增2020-10-19

    · HA Cluster高可用集群 · Keepalived使用 · VRRP協(xié)議· nginx服務(wù)切換

  • 升級(jí)2020-10-12

    · fastDFS使用 · shell使用 · docker使用· nginx使用

  • 升級(jí)2020-10-05

    · cookie和session案例 · mysql主從 · mysql集群· redis主從

  • 升級(jí)2020-09-28

    · Django用戶權(quán)鑒 · Django表單 · Django-froms· Django站點(diǎn)管理

  • 新增2020-09-07

    · Ansible使用 · AWX使用 · ceph使用· zabbix使用

  • 升級(jí)2020-08-31

    · 登錄判斷中間件 · cache緩存使用 · 購(gòu)物車數(shù)據(jù)存儲(chǔ)· git沖突解決

  • 新增2020-08-24

    · pyautogui使用 · uiautomator使用 · PO模式· mock測(cè)試

  • 新增2020-08-17

    · Django轉(zhuǎn)換器 · Django用戶認(rèn)證拓展類 · Django權(quán)限認(rèn)證拓展類· Haystack搜索類

  • 升級(jí)2020-08-10

    · python操作reids · redis高可用 · redis集群搭建· redis持久化

  • 升級(jí)2020-08-03

    · mysql事務(wù)使用 · mysql主從搭建 · mysql客戶端使用 · mysql外鍵操作

  • 新增2020-07-27

    · mongodb聚合 · mongodb索引 · mongodb權(quán)限· 常見(jiàn)反爬手段

  • 新增2020-07-20

    · 緩存擊穿 · 緩存雪崩 · 雪花算法

  • 升級(jí)2020-07-13

    · Locust 性能測(cè)試 shell編程 · msyql數(shù)據(jù)庫(kù) · redis緩存 ·

  • 升級(jí)2020-07-06

    · redis集群 · gitfollow工作流 · 定時(shí)爬蟲(chóng) · elk

  • 升級(jí)2020-06-29

    · 響應(yīng)對(duì)象的處理 · 細(xì)化Cookie及Session的處理 · 鏈接失效的爬蟲(chóng)案例 · 美后臺(tái)權(quán)限控制

  • 新增2020-06-22

    · 高性能爬蟲(chóng) · 多線程爬蟲(chóng)案例 · Flask-Migrate 數(shù)據(jù)模型設(shè)計(jì) · 智慧大屏案例

  • 升級(jí)2020-06-15

    · UnitTest斷言: 比較斷言,復(fù)雜斷言 · 路由系統(tǒng)全線升級(jí) · 數(shù)據(jù)圖片化反爬 · redis緩存

  • 新增2020-06-08

    · Jmter 圖形監(jiān)視器擴(kuò)展插件 · 警告斷言 · 異常斷言 · Jmter性能調(diào)試

  • 新增2020-06-01

    · 性能測(cè)試報(bào)告分析 · 新增分庫(kù)訪問(wèn) · 優(yōu)化Fixtures的參數(shù)化 · protometheus使用

  • 新增2020-05-25

    · flask-sqlalchemy二次開(kāi)發(fā) · 數(shù)據(jù)解析-BeautifulSoup4 · Jmeter分布式并發(fā)測(cè)試的配置 · zabbix使用

  • 新增2020-05-18

    · Jmeter實(shí)現(xiàn)參數(shù)化 · 數(shù)據(jù)庫(kù)測(cè)試 · 實(shí)現(xiàn)跨線程組傳值 · lua基礎(chǔ)

  • 新增2020-05-11

    · 自定義讀寫(xiě)分離 · 認(rèn)證體系 · 訪問(wèn)劫持 · 安全策略

  • 新增2020-05-04

    · Redis悲觀鎖 · 布隆過(guò)濾器 · 文件安全 · WAF實(shí)踐

  • 升級(jí)2020-04-27

    · 搜索接口結(jié)構(gòu) · elsticsearch使用 · celerybug處理 · rabbitMQ使用

  • 升級(jí)2020-04-20

    · Locust關(guān)聯(lián) · Locust斷言 · Locust各種業(yè)務(wù)場(chǎng)景下的參數(shù)化 · pipeline使用

  • 升級(jí)2020-04-13

    · 更改Scrapy以及Scrapy-redis項(xiàng)目 · Selenium知識(shí)點(diǎn)演示案例 · redis哨兵機(jī)制 · mysql主從搭建

  • 升級(jí)2020-04-06

    · 時(shí)間戳/頁(yè)碼/偏移量分頁(yè) · gitflow工作流 · sentry使用 · xss安全

  • 新增2020-03-30

    · Pytest.mark · flask緩存工具類 · 多級(jí)緩存 · mysql注入攻擊

  • 新增2020-03-23

    · 禪道的不同角色使用 · Mysql垂直拆分 · Flask-SQLAlchemy的讀寫(xiě)分離 · Mysql水平拆分

  • 升級(jí)2020-03-16

    · 性能測(cè)試分類 · 性能監(jiān)控指標(biāo) · 性能測(cè)試流程 · celery使用

  • 新增2020-03-09

    · 定時(shí)抓取數(shù)據(jù)爬蟲(chóng) · Appium對(duì)APP數(shù)據(jù)的抓取 · 常見(jiàn)性能測(cè)試工具優(yōu)化 · Filebeat詳解

  • 升級(jí)2020-03-02

    · 禪道的部署方式 · django框架升級(jí)為2.25版本 · 美多詳情頁(yè)靜態(tài)化 · 商品spu表結(jié)構(gòu)

  • 新增2020-01-16

    · 美多商城緩存 · elk日志監(jiān)控 · docker部署美多商城 · shell代碼發(fā)布

  • 升級(jí)2020-01-09

    · 等價(jià)類劃分法演示案例 · 邊界值法的演示案例 · 容聯(lián)云發(fā)送短信 · fastDFS圖片上傳

  • 新增2020-01-02

    · 測(cè)試用例的設(shè)計(jì)方法 · 獲取用戶信息模塊的單元測(cè)試 · 登錄注冊(cè)模塊的單元測(cè)試 · jenkins使用

  • 升級(jí)2019-12-26

    · Django自帶單元測(cè)試模塊 · Mysql數(shù)據(jù)庫(kù)教法調(diào)整 · 黑馬頭條緩存使用 · dockerfile使用

  • 新增2019-12-19

    · Locust 性能測(cè)試 · HttpLocust和Locust · TaskSet TaskSequence · seq_task

  • 升級(jí)2019-11-28

    · 異常案例的講解 · 代碼健壯性提升方式 · 登錄狀態(tài)判斷 · 異常處理

  • 升級(jí)2019-11-21

    · 商品模塊代碼進(jìn)行了調(diào)整 · Redis事務(wù)型管道 · 反爬案例 · 搜索方法優(yōu)化

  • 新增2019-11-14

    · 新增字體反爬 · Charles/fiddler抓包工具講解 · Redis非事務(wù)型管道 · 新增shell編程

  • 升級(jí)2019-11-07

    · PO模型 · Requests模塊的使用 · Get/Post等Http請(qǐng)求 · 試用例的設(shè)計(jì)方法

  • 新增2019-10-31

    · Flask項(xiàng)目搭建Flask-CORS · Fixtures實(shí)現(xiàn)SetUp和TearDown · 美多商城登錄功能自動(dòng)化測(cè)試 · Redis緩存數(shù)據(jù)集合

  • 升級(jí)2019-10-24

    · 黑馬頭條前端代碼 · 分布式事務(wù) · 美多商城前臺(tái)改為前后端分離模式 · admin后端管理站點(diǎn)講解

  • 新增2019-10-17

    · 美多商城支付模塊單元測(cè)試 · Jmeter 性能測(cè)試報(bào)告 · TestCase Client FactoryRequest Mock · 美多商城下單模塊性能測(cè)試

  • 新增2019-10-10

    · 黑馬頭條業(yè)務(wù)邏輯: 用戶認(rèn)證 、修改頭像 · 黑馬頭條業(yè)務(wù)邏輯: 頻道管理 · 黑馬頭條業(yè)務(wù)邏輯: 文章列表/詳情 · 黑馬頭條業(yè)務(wù)邏輯: 關(guān)注用戶 評(píng)論回復(fù)


點(diǎn)擊加載更多>>
2023.08.21 升級(jí)版本4.0

課程名稱

Python+大數(shù)據(jù)開(kāi)發(fā)課程

課程推出時(shí)間

2023.08.21

課程版本號(hào)

4.0

技術(shù)課程

Hadoop3.3,Spark3.4,阿里云Flink(FlinkCDC、FlinkCEP、FlinkSQL),StarRocks,Paimon,ElasticSearch

課程介紹

● Python大數(shù)據(jù)V4.0課程全新升級(jí),緊貼各類企業(yè)招聘需求,升級(jí)阿里云平臺(tái)全套大數(shù)據(jù)技術(shù)棧,全程采用六項(xiàng)目制驅(qū)動(dòng)技術(shù)學(xué)習(xí),助力國(guó)家數(shù)字化轉(zhuǎn)型對(duì)數(shù)字人才的大量需求。

● 多位Apache社區(qū)貢獻(xiàn)者聯(lián)袂授課,從原理、實(shí)戰(zhàn)到源碼,帶你邁入高級(jí)開(kāi)發(fā)工程師行列。

● 課程覆蓋企業(yè)級(jí)大數(shù)據(jù)六大主流解決方案,包括離線數(shù)倉(cāng)解決方案、流批一體解決方案和湖倉(cāng)一體解決方案、用戶畫(huà)像解決方案、推薦系統(tǒng)解決方案、數(shù)據(jù)治理解決方案,再現(xiàn)公司中真實(shí)的開(kāi)發(fā)場(chǎng)景,目標(biāo)不止于就業(yè),而是成為各類企業(yè)爭(zhēng)搶的大數(shù)據(jù)開(kāi)發(fā)工程師。

● 課程升級(jí)主流大數(shù)據(jù)技術(shù)棧,全新Hadoop3.3,Spark3.4,阿里云實(shí)時(shí)計(jì)算Flink技術(shù)剖析和新特性使用,推出黑馬甄選業(yè)務(wù)的全套解決方案課程,不僅可以學(xué)習(xí)到企業(yè)真實(shí)完整的業(yè)務(wù)場(chǎng)景,將六大技術(shù)解決方案應(yīng)用到黑馬甄選泛電商業(yè)務(wù)中,能勝任企業(yè)級(jí)離線數(shù)倉(cāng)、實(shí)時(shí)數(shù)倉(cāng)、用戶畫(huà)像、推薦系統(tǒng)、數(shù)據(jù)治理等核心大數(shù)據(jù)開(kāi)發(fā)工作。

● 項(xiàng)目課程實(shí)施“講A練B”與"看圖說(shuō)話"新模式, 以思路分析為導(dǎo)向提高學(xué)員獨(dú)立開(kāi)發(fā)能力,并推動(dòng)學(xué)員在邏輯思維與語(yǔ)言表達(dá)能力方向的持續(xù)提升,為學(xué)員在面試中以及在企業(yè)獨(dú)立開(kāi)發(fā)中打下堅(jiān)實(shí)的基礎(chǔ)

1

新增數(shù)據(jù)治理解決方案,結(jié)合包括元數(shù)據(jù)管理、數(shù)據(jù)標(biāo)準(zhǔn)、指標(biāo)系統(tǒng)、數(shù)據(jù)建模等在內(nèi)的數(shù)據(jù)治理能力,聚焦企業(yè)數(shù)字化轉(zhuǎn)型,深挖數(shù)據(jù)價(jià)值,提升企業(yè)數(shù)據(jù)生產(chǎn)力。滿足就業(yè)市場(chǎng)中中高級(jí)數(shù)據(jù)工程師需求,提升學(xué)生就業(yè)競(jìng)爭(zhēng)力。

1

新增通過(guò)AIGC助力編程效率提升,完成數(shù)據(jù)開(kāi)發(fā)和數(shù)據(jù)分析任務(wù)。

1

新增Paimon、StarRocks新技術(shù),將技術(shù)應(yīng)用到實(shí)時(shí)項(xiàng)目中,更加全面提升通過(guò)技術(shù)解決業(yè)務(wù)問(wèn)題能力。

1

新增新版面試加強(qiáng)課,內(nèi)容集成了大廠架構(gòu)解析、SQL專項(xiàng)面試寶典,以及不斷滾動(dòng)更新的全網(wǎng)大數(shù)據(jù)崗位面試題講解,助力學(xué)員高起點(diǎn)就業(yè)。

1

更新由Apache Flink1.17課程升級(jí)為阿里云實(shí)時(shí)計(jì)算Flink版,通過(guò)阿里云全套大數(shù)據(jù)組件學(xué)習(xí),貼近中小型企業(yè)大數(shù)據(jù)開(kāi)發(fā)真實(shí)環(huán)境,提升學(xué)生就業(yè)競(jìng)爭(zhēng)力。

1

新增黑馬甄選實(shí)時(shí)計(jì)算項(xiàng)目由阿里云實(shí)時(shí)計(jì)算Flink全棧開(kāi)發(fā),從FlinkCDC數(shù)據(jù)采集,Kafka實(shí)時(shí)數(shù)倉(cāng)分層,Paimon數(shù)據(jù)湖構(gòu)建湖倉(cāng)一體架構(gòu),將數(shù)據(jù)接入Starrocks進(jìn)行OLAP分析和查詢,最后通過(guò)DataV完成企業(yè)級(jí)業(yè)務(wù)大屏展示。

1

新增大數(shù)據(jù)BI報(bào)表開(kāi)發(fā)項(xiàng)目實(shí)戰(zhàn)階段,通過(guò)Python+SQL+FineReport完成電商業(yè)務(wù)統(tǒng)計(jì)分析和大屏展示。

1

友情提示更多學(xué)習(xí)視頻+資料+源碼,請(qǐng)加QQ:2632311208。

2023.01.01 升級(jí)版本3.2

課程名稱

Python+大數(shù)據(jù)開(kāi)發(fā)課程

課程推出時(shí)間

2023.01.01

課程版本號(hào)

3.2

主要使用開(kāi)發(fā)工具

PyCharm,IDEA,DataGrip,F(xiàn)inalShell

課程介紹

● 優(yōu)勢(shì)1:課程升級(jí)深度調(diào)研市場(chǎng)需求,針對(duì)行業(yè)解決方案:離線數(shù)倉(cāng)解決方案、用戶畫(huà)像解決方案、湖倉(cāng)一體解決方案,打造多行業(yè)多場(chǎng)景大數(shù)據(jù)開(kāi)發(fā)工程師。

● 優(yōu)勢(shì)2:6項(xiàng)目制,2大項(xiàng)目實(shí)戰(zhàn),新增PB級(jí)內(nèi)存計(jì)算項(xiàng)目實(shí)戰(zhàn),應(yīng)對(duì)企業(yè)級(jí)大數(shù)據(jù)開(kāi)發(fā)工程師需求。

● 優(yōu)勢(shì)3:研究院精心研發(fā)基于實(shí)時(shí)技術(shù)棧全新架構(gòu)的出行行業(yè)和電商行業(yè)大數(shù)據(jù)項(xiàng)目,讓學(xué)生具備更強(qiáng)項(xiàng)目經(jīng)驗(yàn)要求。

● 優(yōu)勢(shì)4:最短路徑教會(huì)企業(yè)最實(shí)用的技術(shù),案例練習(xí)促進(jìn)吸收;每日作業(yè)夯實(shí)學(xué)習(xí)成果;階段項(xiàng)目實(shí)戰(zhàn),學(xué)以致用。

1

新增基于Flink的悠游出行大數(shù)據(jù)平臺(tái)

1

新增基于Flink的優(yōu)購(gòu)電商優(yōu)選項(xiàng)目

1

新增用戶畫(huà)像解決方案項(xiàng)目,包含了新零售、電商、金融保險(xiǎn)等多行業(yè)畫(huà)像解決方案

1

升級(jí)Spark內(nèi)存計(jì)算階段項(xiàng)目實(shí)戰(zhàn)

1

新增大數(shù)據(jù)Java語(yǔ)言基礎(chǔ),為Flink技術(shù)棧提供語(yǔ)言支持

1

新增SQL大廠面試題,貫穿課堂每日一練,提升SQL技術(shù)能力

1

新增Hudi數(shù)據(jù)湖,Hudi on Hive構(gòu)建湖倉(cāng)一體架構(gòu)

1

新增Python版NoSQL課程,達(dá)到企業(yè)級(jí)萬(wàn)億級(jí)數(shù)據(jù)存儲(chǔ)目標(biāo)

1

新增Doris、ClickHouse多維數(shù)據(jù)分析

1

優(yōu)化億品新零售項(xiàng)目中數(shù)倉(cāng)建模理論基礎(chǔ),強(qiáng)化數(shù)倉(cāng)建模工具使用

1

優(yōu)化車聯(lián)網(wǎng)項(xiàng)目全新架構(gòu)升級(jí)

1

優(yōu)化Flink技術(shù)課程版本更新至1.16,豐富實(shí)時(shí)計(jì)算新特性

1

優(yōu)化Spark技術(shù)課程版本更新至3.3.0,增加Spark新特性講解

1

優(yōu)化優(yōu)化Hadoop模塊,增強(qiáng)Hive模塊

1

優(yōu)化優(yōu)化Python編程內(nèi)容,為Spark提供語(yǔ)言支持

1

優(yōu)化ETL項(xiàng)目增加從HDFS到Hive的數(shù)據(jù)抽取、轉(zhuǎn)換、加載方式

1

優(yōu)化ETL項(xiàng)目增加DataX數(shù)據(jù)采集

1

優(yōu)化ETL項(xiàng)目增加Apache DolphinScheduler調(diào)度全流程數(shù)據(jù)處理過(guò)程

1

優(yōu)化Flink技術(shù)棧突出以FlinkSQL為主核心技術(shù)

2022.06.01 升級(jí)版本3.0

課程名稱

Python+大數(shù)據(jù)開(kāi)發(fā)課程

課程推出時(shí)間

2022.06.01

課程版本號(hào)

3.0

主要針對(duì)

          技術(shù)課程:ETL開(kāi)發(fā)、NoSQL中間件課程、新版Flink課程

主要使用開(kāi)發(fā)工具

PyCharm、DataGrip、FinalShell

課程介紹

● Python大數(shù)據(jù)V3.0課程全新升級(jí),緊貼各類企業(yè)招聘需求,采用六項(xiàng)目制驅(qū)動(dòng)技術(shù)學(xué)習(xí),助力國(guó)家數(shù)字化轉(zhuǎn)型對(duì)數(shù)字人才的大量需求

● 多位Apache社區(qū)貢獻(xiàn)者聯(lián)袂授課,從原理、實(shí)戰(zhàn)到源碼,帶你邁入高級(jí)開(kāi)發(fā)工程師行列

● 課程覆蓋企業(yè)級(jí)大數(shù)據(jù)四大主流解決方案,包括離線數(shù)倉(cāng)解決方案、用戶畫(huà)像解決方案、流批一體解決方案和湖倉(cāng)一體解決方案,再現(xiàn)公司中真實(shí)的開(kāi)發(fā)場(chǎng)景,目標(biāo)不止于就業(yè),而是成為各類企業(yè)爭(zhēng)搶的大數(shù)據(jù)開(kāi)發(fā)工程師。

● 課程升級(jí)主流大數(shù)據(jù)技術(shù)棧,全新Hadoop3.2,Spark3.2,F(xiàn)link1.15技術(shù)剖析和新特性使用,推出Python全棧ETL開(kāi)發(fā)課程,不僅可以學(xué)習(xí)到完整的基礎(chǔ)ETL流程、工具,更能勝任千億級(jí)、亞秒級(jí)等復(fù)雜數(shù)據(jù)源情況下的工作。

● 新增基于Python和SQL的Flink課程,滿足就業(yè)市場(chǎng)中,大數(shù)據(jù)開(kāi)發(fā)崗位更多的依賴SQL、Python的需求變化。

● 新增 基于Python的Kafka、Elasticsearch等全新課程,夯實(shí)實(shí)時(shí)計(jì)算開(kāi)發(fā)基礎(chǔ)能力,幫助學(xué)員掌握數(shù)據(jù)開(kāi)發(fā)工程師重要技能。

● 新增 新版面試加強(qiáng)課,內(nèi)容集成了大廠架構(gòu)解析、SQL專項(xiàng)面試寶典,以及不斷滾動(dòng)更新的全網(wǎng)大數(shù)據(jù)崗位面試題講解,助力學(xué)員高起點(diǎn)就業(yè)。

1

新增基于Python的全棧ETL開(kāi)發(fā)課程,助力學(xué)員勝任ETL中高級(jí)開(kāi)發(fā)崗位

1

新增全網(wǎng)基于PySpark技術(shù)棧的用戶畫(huà)像項(xiàng)目,替換原有舊項(xiàng)目,提升簡(jiǎn)歷含金量

1

新增知行教育項(xiàng)目實(shí)戰(zhàn),學(xué)習(xí)完整企業(yè)級(jí)項(xiàng)目實(shí)戰(zhàn)流程,讓學(xué)生真正掌握大數(shù)據(jù)開(kāi)發(fā)精髓

1

升級(jí)Spark技術(shù)課程為20223.2版本、Flink技術(shù)課程為20221.15版本,全網(wǎng)率先加入Pandas on Spark數(shù)據(jù)開(kāi)發(fā)內(nèi)容

1

新增FlinkSQL湖倉(cāng)一體項(xiàng)目、FlinkSQL流批一體課程,進(jìn)階Flink高階工程師,助力突破年薪50W

1

新增SparkSQL底層執(zhí)行原理,StructuredStreaming結(jié)構(gòu)化流內(nèi)容

1

升級(jí)Spark3.2整合Hive3.1.2版本兼容問(wèn)題

1

新增Pandas_udf函數(shù),通過(guò)Apache Arrow框架優(yōu)化數(shù)據(jù)處理速度;Pandas技術(shù)棧,能夠處理中小型數(shù)據(jù)量

1

新增Python版NoSQL課程,達(dá)到企業(yè)級(jí)萬(wàn)億級(jí)數(shù)據(jù)存儲(chǔ)目標(biāo)

1

新增Kafka-Python完成企業(yè)級(jí)消息隊(duì)列流量削峰, 異步通信等任務(wù)

1

新增ElasticSearch技術(shù)棧,達(dá)到企業(yè)級(jí)大數(shù)據(jù)搜索工程師目標(biāo)

1

升級(jí)PySpark的DataFrame操作、Flink任務(wù)調(diào)度機(jī)制以及Flink內(nèi)存模型、Flink table&sql的整體概述

1

新增FlinkSQL的原理和調(diào)優(yōu)、Flink on Yarn的多種部署方式、Flink transformation的八大物理分區(qū)的原理和實(shí)現(xiàn)、Flink的window窗口操作,以及內(nèi)置水印函數(shù)的操作

1

新增Hadoop3.x新特性、Hive3.x新特性,以及數(shù)據(jù)壓縮、存儲(chǔ)格式等內(nèi)容

1

升級(jí)Python基礎(chǔ),增加PyEcharts等BI內(nèi)容,實(shí)現(xiàn)可視化大屏

1

新增Presto對(duì)接多數(shù)據(jù)源實(shí)現(xiàn)企業(yè)級(jí)大數(shù)據(jù)OLAP分析、Presto加速對(duì)Hive數(shù)倉(cāng)之上數(shù)據(jù)構(gòu)建大數(shù)據(jù)分析引擎,實(shí)現(xiàn)多維指標(biāo)計(jì)算

1

新增企業(yè)級(jí)BI工具FineBI,適用于多行業(yè)項(xiàng)目BI大屏展示,助力企業(yè)數(shù)字決策

1

新增Flink table&sql概念和通用api介紹、sqlclient工具的使用、catalogs知識(shí)點(diǎn)的學(xué)習(xí)、流處理中的概念介紹

1

新增FlinkSQL中的窗口使用、FlinkSQL函數(shù)操作、Flinksql連接到外部系統(tǒng)

1

新增Flink源碼前置基礎(chǔ)、源碼的編譯和部署、Flink啟動(dòng)腳本的解讀、yarn-per-job模式解析

1

升級(jí)車聯(lián)網(wǎng)Web展示部分、車聯(lián)網(wǎng)離線Hive數(shù)倉(cāng)構(gòu)建部分

2021.06.01 升級(jí)版本2.0

課程名稱

Python+大數(shù)據(jù)開(kāi)發(fā)課程

課程推出時(shí)間

2021.06.01

課程版本號(hào)

2.0

主要針對(duì)

新零售數(shù)倉(cāng)項(xiàng)目、云上服務(wù)器集群

主要使用開(kāi)發(fā)工具

新零售數(shù)倉(cāng)項(xiàng)目、云上服務(wù)器集群

課程介紹

● 經(jīng)過(guò)不斷的版本迭代,正式推出新零售數(shù)倉(cāng)項(xiàng)目課程,替換原有的舊項(xiàng)目,打造過(guò)硬的項(xiàng)目實(shí)戰(zhàn)經(jīng)驗(yàn)

● 新增價(jià)值百萬(wàn)的UCcloud云上集群生產(chǎn)環(huán)境用于學(xué)習(xí),完全云服務(wù)開(kāi)發(fā)環(huán)境體驗(yàn)

● 新增項(xiàng)目實(shí)戰(zhàn)環(huán)節(jié),再現(xiàn)企業(yè)中真實(shí)工作場(chǎng)景,夯實(shí)開(kāi)發(fā)實(shí)戰(zhàn)能力

1

升級(jí)PySpark執(zhí)行流程

1

新增Spark3.x新特性以及性能調(diào)優(yōu)九項(xiàng)原則

1

升級(jí)Hive版本為新的3.x版本

1

新增自動(dòng)導(dǎo)入oracle數(shù)據(jù),自動(dòng)創(chuàng)建hive表,自動(dòng)創(chuàng)建hive分區(qū),自動(dòng)關(guān)聯(lián)hdfs數(shù)據(jù),自動(dòng)創(chuàng)建文件目錄,并記錄自動(dòng)化過(guò)程日志

1

升級(jí)Flink版本為新版

1

新增FlinkSQL&Table理論部分比重,使用新版API,使用新增FlinkSQL整合Kafka案例

1

新增美團(tuán)、平安、小米大數(shù)據(jù)架構(gòu),以及百度廣告業(yè)務(wù)場(chǎng)景大數(shù)據(jù)架構(gòu)解決方案

1

新增flink的global window的操作、內(nèi)置水印函數(shù)的操作

1

升級(jí) flink的window的ReduceFunction、AggregateFunction、ProcessWindowFunction、具有增量聚合的ProcessWindowFunction、在 ProcessWindowFunction 中使用每個(gè)窗口狀態(tài)

1

新增flink的state的ttl機(jī)制、state的數(shù)據(jù)結(jié)構(gòu)的api升級(jí)、Queryable State知識(shí)點(diǎn)

1

新增Flink異步io的vertx框架實(shí)現(xiàn)、flink的join操作(Tumbling Window Join、Sliding Window Join、Session Window Join)

1

新增Streaming File Sink連接器的小文件操作

1

新增數(shù)據(jù)類型及序列化的原理和實(shí)現(xiàn)案例

1

新增Flink Action綜合練習(xí):熱門(mén)銷售排行TopN的使用案例、布隆過(guò)濾器結(jié)合TTL的使用案例

2021.01.01 升級(jí)版本1.6

課程名稱

Python+大數(shù)據(jù)開(kāi)發(fā)課程

課程推出時(shí)間

2021.01.01

課程版本號(hào)

1.6

主要針對(duì)

Spark3.x

主要使用開(kāi)發(fā)工具

Pycharm、Idea、Datagrip、FinalShell

課程介紹

● 針對(duì)Spark3.x版本的重大更新,應(yīng)對(duì)就業(yè)崗位需求的快速變化,大數(shù)據(jù)課程推出基于Python的Spark課程

● 新增大數(shù)據(jù)工程師必備的SQL面試進(jìn)階強(qiáng)化內(nèi)容,提升大數(shù)據(jù)開(kāi)發(fā)工程師核心SQL能力

● 新增大廠數(shù)倉(cāng)架構(gòu)專題內(nèi)容,提升數(shù)據(jù)倉(cāng)庫(kù)建設(shè)能力

1

升級(jí)Hadoop為3.3.0版本、Hive版本為3.1.2版本、HIve3.x架構(gòu)

1

新增使用Python實(shí)現(xiàn)MR原理機(jī)制、OLAP、OLTP區(qū)別

1

新增MapReduce計(jì)算PI原理、MapReduce Python接口調(diào)用、Hadoop Streaming提交程序、ETL、ELT區(qū)別

1

新增HIve3新特性、Hive3數(shù)據(jù)壓縮,存儲(chǔ)格式、Hive CTE表達(dá)式

1

升級(jí)union聯(lián)合查詢、Hive知識(shí)點(diǎn)案例 同步為Hive3版本、Linux課程、Mysql RPM安裝方式以支持hive3

1

升級(jí)Spark語(yǔ)言為官方推薦使用的Python語(yǔ)言、版本更新為Spark3.1.2發(fā)行版、adoop3.3.0、Hive3.1.2版本

1

新增PySpark的安裝、任務(wù)提交方式、多種模式spark-submit、實(shí)現(xiàn)wordcount案例實(shí)戰(zhàn)

1

新增Python實(shí)現(xiàn)RDD操作、DataFrame操作、實(shí)現(xiàn)Sougou分詞案例、IP熱度分析案例、PV-UV-TOPK案例

1

新增PySparkSQL實(shí)現(xiàn)基礎(chǔ)統(tǒng)計(jì)操作、底層Dataframe轉(zhuǎn)化RDD原理操作、實(shí)現(xiàn)電影評(píng)分?jǐn)?shù)據(jù)集分析、離線教育案例、新零售分析案例

1

新增PySparkSQL的優(yōu)化方式、分布式引擎實(shí)現(xiàn)、與HIve整合

2020.06.01 重磅推出 新版1.0

課程名稱

Python+大數(shù)據(jù)開(kāi)發(fā)課程

課程推出時(shí)間

2020.06.01

課程版本號(hào)

1.0

主要針對(duì)

大數(shù)據(jù)引入Python語(yǔ)言、Pandas數(shù)據(jù)分析

主要使用開(kāi)發(fā)工具

Pycharm、Idea、Datagrip

課程介紹

● 8.1版本以前的數(shù)據(jù)開(kāi)發(fā)課程,需要一定Java基礎(chǔ)和工作經(jīng)驗(yàn),為了幫助進(jìn)入數(shù)據(jù)開(kāi)發(fā)行業(yè)的零基礎(chǔ)學(xué)員找到適宜的入門(mén)途徑,大數(shù)據(jù)引入Python語(yǔ)言,全新升級(jí)為Python+大數(shù)據(jù)開(kāi)發(fā)1.0版本。

● 學(xué)習(xí)Python大數(shù)據(jù)開(kāi)發(fā),以Python技術(shù)棧處理中小型數(shù)據(jù)集,以大數(shù)據(jù)技術(shù)棧處理海量大規(guī)模數(shù)據(jù),成為全能企業(yè)級(jí)數(shù)據(jù)開(kāi)發(fā)人才。

● 其特點(diǎn)適合零基礎(chǔ)學(xué)員,從完全沒(méi)有編程經(jīng)驗(yàn)開(kāi)始;課程內(nèi)容寬并且深,技術(shù)大牛親自授課;面向市場(chǎng),學(xué)即可用,能讓學(xué)員高薪就業(yè)。

1

新增Python基礎(chǔ)語(yǔ)言課程

1

新增Python高級(jí)語(yǔ)言進(jìn)階課程

1

新增Python爬蟲(chóng)課程

1

新增Pandas數(shù)據(jù)分析課程

1

新增多場(chǎng)景案例分析,應(yīng)對(duì)中小型數(shù)據(jù)統(tǒng)計(jì)分析

2020.01.01 升級(jí)版本8.0

課程名稱

云計(jì)算大數(shù)據(jù)實(shí)戰(zhàn)班

課程推出時(shí)間

2020.01.01

課程版本號(hào)

8.0

主要針對(duì)系統(tǒng)

Windows、Linux、MacOS

主要使用開(kāi)發(fā)工具

DataGrip、IDEA

課程介紹

● 根據(jù)大量的行業(yè)調(diào)研分析,本次課程更新以大數(shù)據(jù)開(kāi)發(fā)為主線,在7.0基礎(chǔ)上再次縮減Java課程占比,弱化各類組件安裝。

● 針對(duì)大數(shù)據(jù)技術(shù)深度和廣度進(jìn)行升級(jí),例如新增Spark內(nèi)存管理、Flink性能優(yōu)化及反壓、背壓原理等同時(shí)為提高學(xué)員的就業(yè)薪資,推出多行業(yè)項(xiàng)目解決方案,例如證券、物流等。

● 以周為單位進(jìn)行課程更新升級(jí),新增Elastic Stack、 出行、電商、視頻、社交等領(lǐng)域大數(shù)據(jù)解決方案、 一線大廠技術(shù)架構(gòu)、 新零售大數(shù)據(jù)項(xiàng)目實(shí)戰(zhàn),離線實(shí)時(shí)全覆蓋。

1

新增數(shù)據(jù)倉(cāng)庫(kù)、ETL、BI開(kāi)發(fā)

1

新增Oracle及PLSQL編程、數(shù)據(jù)微服務(wù)開(kāi)發(fā)

1

新增Spark的內(nèi)存管理、avro序列化數(shù)據(jù)源

1

新增continuous processing、偏移量管理機(jī)制

1

新增KafkaStreams編程、exactly-once、Kafka事務(wù)、metrics監(jiān)控

1

新增Hbase的協(xié)處理器和phoneix的二級(jí)索引實(shí)現(xiàn)、布隆過(guò)濾器、LSM樹(shù)、StoreFiles結(jié)構(gòu)剖析

1

新增FLink性能優(yōu)化及反壓、背壓指標(biāo)計(jì)算原理、FlinkSQL On Hive、Flink HistoryServer、Flink的UDF、UDAF、UDTF的實(shí)現(xiàn)

1

新增在線教育行業(yè)、物流行業(yè)、物聯(lián)網(wǎng)行業(yè)、證券行業(yè)項(xiàng)目

1

升級(jí)分布式緩存系統(tǒng), 萬(wàn)億級(jí)NoSQL海量數(shù)據(jù)存儲(chǔ), 分布式流處理平臺(tái)、電商行業(yè)項(xiàng)目

1

刪除刪減 JavaWeb

2019.07.22 升級(jí)版本7.0

課程名稱

云計(jì)算大數(shù)據(jù)實(shí)戰(zhàn)班

課程推出時(shí)間

2019.07.22

課程版本號(hào)

7.0

主要針對(duì)版本

CDH5.14、Spark2.2.0、Flink1.8、Kafka0.11.0.2、ELK6.0

主要使用開(kāi)發(fā)工具

IntelliJ IDEAA

課程介紹

● 大數(shù)據(jù)技術(shù)目前在企業(yè)里面使用的越來(lái)越廣泛,對(duì)大數(shù)據(jù)人才的需求越來(lái)越多,大數(shù)據(jù)的整個(gè)課程體系是由來(lái)自大型互聯(lián)網(wǎng)、外企等具有5年以上的一線大數(shù)據(jù)高級(jí)工程師、架構(gòu)師和高級(jí)機(jī)器學(xué)習(xí)工程師設(shè)計(jì)出來(lái)的,內(nèi)容含金量非常高。

● 課程體系涉及的技術(shù)以企業(yè)需求為導(dǎo)向,課程涉及的項(xiàng)目也是企業(yè)里面真實(shí)的項(xiàng)目,通過(guò)理論、實(shí)踐和真實(shí)的項(xiàng)目相結(jié)合,讓學(xué)員能夠快速、深刻的掌握大數(shù)據(jù)常用的核心技術(shù)和開(kāi)發(fā)應(yīng)用,同時(shí)可以滿足企業(yè)對(duì)中、高端大數(shù)據(jù)人才的需求。

● 大數(shù)據(jù)課程體系除了包含常用的Hadoop、Hive、Hbase、ELK、Sqoop、Flume、Kafka、Spark等技術(shù)和項(xiàng)目,還新增了目前互聯(lián)網(wǎng)比較流行的Flink、Druid、Kylin等技術(shù)和項(xiàng)目,同時(shí)引入了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)Spark Mllib和Tensorflow等技術(shù)和項(xiàng)目實(shí)戰(zhàn)。

1

新增Impala即席查詢組件、Kudu列存儲(chǔ)服務(wù)、Structured Streaming結(jié)構(gòu)化數(shù)據(jù)流處理

1

新增spark MLlib數(shù)據(jù)挖掘、spark graphX圖計(jì)算

1

升級(jí)Flink的基礎(chǔ)課程和案例實(shí)戰(zhàn)

1

新增Flink高級(jí)特性CEP、Kylin數(shù)據(jù)OLAP分析、Druid時(shí)序數(shù)據(jù)實(shí)時(shí)分析、Kettle數(shù)據(jù)ETL工具

1

新增深度學(xué)習(xí)框架Tensorflow

1

新增用戶畫(huà)像、數(shù)據(jù)倉(cāng)庫(kù)大型企業(yè)實(shí)戰(zhàn)型項(xiàng)目

2018.09.10 升級(jí)版本6.0

課程名稱

云計(jì)算大數(shù)據(jù)實(shí)戰(zhàn)班

課程推出時(shí)間

2018.09.10

課程版本號(hào)

6.0

主要針對(duì)版本

JDK1.8\CDH2.7.4\Storm1.1.1\Spark 2.1

主要使用開(kāi)發(fā)工具

IntelliJ IDEA

課程介紹

● 本課程是基于V5.0的一次重大更新,匯總并收集了大數(shù)據(jù)學(xué)科一年以來(lái)15個(gè)零基礎(chǔ)班級(jí)的授課信息、學(xué)習(xí)信息、就業(yè)信息。

● 重新調(diào)整了課程的分布情況,新增了大數(shù)據(jù)綜合項(xiàng)目,新增了第四代大數(shù)據(jù)處理框架FLink,新增了數(shù)據(jù)庫(kù)優(yōu)化,新增了JVM基礎(chǔ)及原理,新增了Spark性能調(diào)優(yōu)等內(nèi)容。

● 課程升級(jí)方面,主要對(duì)機(jī)器學(xué)習(xí)課程進(jìn)行了升級(jí),推薦系統(tǒng)項(xiàng)目后置變成7天的豐富課程,提升學(xué)員進(jìn)入機(jī)器學(xué)習(xí)的競(jìng)爭(zhēng)力,從而更好的從事人工智能領(lǐng)域相關(guān)的工作。

● 整體而言,課程在培養(yǎng)中高級(jí)大數(shù)據(jù)工程師的方向上又前進(jìn)了一大步。

1

新增Hadoop 2.7.2\Storm1.1.1\Spark 2.1

1

新增Java virtual machine原理分析、Java高并發(fā)核心知識(shí)

1

新增數(shù)據(jù)庫(kù)優(yōu)化及調(diào)優(yōu)、第四代大數(shù)據(jù)處理框架Apache Flink、Spark原理深入剖析及生產(chǎn)調(diào)優(yōu)

1

新增互聯(lián)網(wǎng)反欺詐項(xiàng)目實(shí)戰(zhàn)、廣告系統(tǒng)業(yè)務(wù)模型及CTR預(yù)估

1

新增用戶畫(huà)像、數(shù)據(jù)倉(cāng)庫(kù)大型企業(yè)實(shí)戰(zhàn)型項(xiàng)目

1

升級(jí)用戶畫(huà)像概述/數(shù)據(jù)/建模/算法實(shí)戰(zhàn)、推薦系統(tǒng)協(xié)同過(guò)濾算法實(shí)戰(zhàn)、基于內(nèi)容的推薦系統(tǒng)實(shí)戰(zhàn)、基于關(guān)聯(lián)規(guī)則推薦系統(tǒng)實(shí)戰(zhàn)

1

升級(jí)混合推薦與CTR點(diǎn)擊預(yù)估

1

升級(jí)Hadoop版本為CDH

2017.07.01 升級(jí)版本5.0

課程名稱

云計(jì)算大數(shù)據(jù)實(shí)戰(zhàn)班

課程推出時(shí)間

2017.07.01

課程版本號(hào)

5.0

主要針對(duì)版本

JDK1.8\Hadoop 2.7.2\Storm1.1.1\Spark 2.1

主要使用開(kāi)發(fā)工具

Eclipse、IDEA

課程介紹

● Java基礎(chǔ)、JavaWeb核心編程、JavaWeb三大框架、網(wǎng)絡(luò)爬蟲(chóng)、分布式電商網(wǎng)站開(kāi)發(fā)等課程模塊。培養(yǎng)學(xué)生編程能力,讓零基礎(chǔ)學(xué)員能夠更好的學(xué)習(xí)大數(shù)據(jù)項(xiàng)目。

● 大數(shù)據(jù)方面方面,新增點(diǎn)擊流日志收集系統(tǒng)、用戶日志分析報(bào)表系統(tǒng)、用戶畫(huà)像系統(tǒng)等案例。讓學(xué)員不僅僅學(xué)習(xí)到大數(shù)據(jù)技術(shù)點(diǎn),能夠使用大數(shù)據(jù)解決實(shí)際問(wèn)題。

● 擴(kuò)充機(jī)器學(xué)習(xí)課程為10天。該課程歷時(shí)一年研發(fā),深入淺出,能夠讓學(xué)員更好的入門(mén)機(jī)器學(xué)習(xí),成為人工智能開(kāi)發(fā)的初級(jí)工程師。

1

升級(jí)Hadoop 2.7.2\Storm1.1.1\Spark 2.1

1

新增網(wǎng)絡(luò)爬蟲(chóng)開(kāi)發(fā)

1

新增三大框架開(kāi)發(fā)

1

新增JavaWeb核心

1

新增Java語(yǔ)言基礎(chǔ)

2016.03.01 升級(jí)版本4.0

課程名稱

云計(jì)算大數(shù)據(jù)實(shí)戰(zhàn)班

課程推出時(shí)間

2016.03.01

課程版本號(hào)

4.0

主要針對(duì)版本

JDK7.x

主要使用開(kāi)發(fā)工具

Eclipse、IDEA

課程介紹

● 對(duì)比原有課程,本次課程做了重大更新,將大數(shù)據(jù)的核心技術(shù)hadoop及其生態(tài)圈技術(shù)完美的融入到了課程中。

● 課程分階段的進(jìn)行案例實(shí)戰(zhàn)和項(xiàng)目實(shí)戰(zhàn),在大數(shù)據(jù)方面知識(shí)體系更加完整,課程更加深度有深度,更加貼近實(shí)戰(zhàn)。

● 分階段的進(jìn)行大數(shù)據(jù)生態(tài)圈的學(xué)習(xí),將生態(tài)圈分為離線處理,實(shí)時(shí)流計(jì)算和實(shí)現(xiàn)火熱的spark內(nèi)存計(jì)算,完美的將生態(tài)圈進(jìn)行了抽離和歸類,讓學(xué)習(xí)變得更便捷。

1

升級(jí)Spark1.6版本

1

新增Linux操作系統(tǒng)和shell腳本學(xué)習(xí)

1

新增JVM內(nèi)存模型分析、NIO、Netty、自定義RPC框架

1

新增電商點(diǎn)擊流日志分析、電商實(shí)時(shí)日志告警平臺(tái)、交易風(fēng)控風(fēng)控平臺(tái)、流量日志分析分析

1

新增Spark游戲日志分析項(xiàng)目

1

刪除KVM虛擬化技術(shù)、網(wǎng)絡(luò)基礎(chǔ)和OpenvSwitch技術(shù)、Ceph存儲(chǔ)技術(shù)

1

刪除CloudStack云管理平臺(tái)、混合云管理平臺(tái)項(xiàng)目

2015.05.15 升級(jí)版本3.0

課程名稱

云計(jì)算大數(shù)據(jù)實(shí)戰(zhàn)班

課程推出時(shí)間

2015.05.15

課程版本號(hào)

3.0

主要針對(duì)版本

JDK7.x

主要使用開(kāi)發(fā)工具

Eclipse、IDEA

課程介紹

● 本次更新將大數(shù)據(jù)和虛擬化這兩大熱門(mén)技術(shù)加入到課程體系中,在大數(shù)據(jù)方面知識(shí)體系更加完整,課程更加深度有深度,更加貼近實(shí)戰(zhàn)。

● 在虛擬化方面,選擇了在云計(jì)算領(lǐng)域常用的虛擬化、網(wǎng)絡(luò)、存儲(chǔ)等技術(shù),并通過(guò)Apache CloudStack技術(shù)整合,在此基礎(chǔ)上開(kāi)發(fā)混合云管理平臺(tái)。

1

升級(jí)Hadoop2.0版本、Hive優(yōu)化課程

1

新增電信流量運(yùn)營(yíng)分析項(xiàng)目、混合云管理平臺(tái)項(xiàng)目

1

新增Scala函數(shù)式編程、Spark內(nèi)存計(jì)算、KVM虛擬化技術(shù)

1

新增網(wǎng)絡(luò)基礎(chǔ)和OpenvSwitch技術(shù)

1

新增Ceph存儲(chǔ)技術(shù)、CloudStack云管理平臺(tái)

2014.02.15 升級(jí)版本2.0

課程名稱

云計(jì)算大數(shù)據(jù)實(shí)戰(zhàn)班

課程推出時(shí)間

2014.02.15

課程版本號(hào)

2.0

主要針對(duì)版本

JDK6.x

主要使用開(kāi)發(fā)工具

Eclipse

課程介紹

● 隨著近年來(lái)云計(jì)算大數(shù)據(jù)的大力發(fā)展,市場(chǎng)對(duì)相關(guān)人才需求急增,所以本版課程在原有的云計(jì)算課程進(jìn)行了顛覆性的改革,把原來(lái)只有1天的課程擴(kuò)展為7天,加入了Hadoop生態(tài)圈的相關(guān)技術(shù)。

1

升級(jí)云計(jì)算課程、Hadoop集群部署、優(yōu)化HDSF、MapReduce案例

1

新增Hadoop生態(tài)圈相關(guān)技術(shù):Zookeeper、Hive、Hbase、Sqoop、Flume

1

新增Storm實(shí)時(shí)計(jì)算技術(shù)和案例

1

新增黑馬論壇日志分析項(xiàng)目

2012.02.15 升級(jí)版本1.0

課程名稱

云計(jì)算大數(shù)據(jù)實(shí)戰(zhàn)班

課程推出時(shí)間

2012.02.15

課程版本號(hào)

1.0

主要針對(duì)版本

JDK6.0

主要使用開(kāi)發(fā)工具

Eclipse

課程介紹

● 近期云計(jì)算概念火爆異常,傳智教育敏銳的嗅探到大數(shù)據(jù)技術(shù)的悄然興起,并預(yù)測(cè)大數(shù)據(jù)技術(shù)將會(huì)像雨后春筍一樣快速發(fā)展,所以傳智教育與時(shí)俱進(jìn)在課程中引入了1天的云計(jì)算課程,作為擁有大數(shù)據(jù)課程的培訓(xùn)機(jī)構(gòu),傳智教育大數(shù)據(jù)實(shí)戰(zhàn)班助力學(xué)員可以掌握新的技術(shù),拓寬學(xué)員的就業(yè)方向,增強(qiáng)就業(yè)競(jìng)爭(zhēng)力。

1

新增云計(jì)算課程:云計(jì)算和大數(shù)據(jù)相關(guān)概念

1

新增Hadoop 1.0偽分布式環(huán)境部署

1

新增HDFS、MapReduce應(yīng)用案例

                                                       

 
和我們?cè)诰€交談!