ГлавнаяКурсыHDDE: Hadoop для инженеров данных: Курсы

HDDE: Hadoop для инженеров данных: Курсы

Name: HDDE: Hadoop для инженеров данных: Курсы
Start: 2022-06-06
Location: Коммерсант

Данный курс направлен на формирование практических и теоретических навыков планирования, формирования и сопровождения Data Lake (озеро данных). Рассматриваются примеры интеграции, настройки и обслуживания "pipelines" — традиционных источников поступления данных (корпоративные базы данных,...

IT: Для программистов и IT-специалистовIT: Для программистов и IT-специалистов / Программирование

Коммерсант

6 июня 2022

40 часов

Москва

Коммерсант

от 100 000 ₽

Анонс программы

Данный курс направлен на формирование практических и теоретических навыков планирования, формирования и сопровождения Data Lake (озеро данных). Рассматриваются примеры интеграции, настройки и обслуживания "pipelines" — традиционных источников поступления данных (корпоративные базы данных, web-логи, файловые системы, интернет данные, транзакции) для последующего анализа больших данных. Практические занятия выполняются в AWS и локальной кластерной системе с использованием дистрибутивов Cloudera Hadoop и HortonWorks Data Platform.

Целевая аудитория

Для руководителей, менеджеров и специалистов, желающих получить расширенные знания по инструментам и методам анализа больших данных для участия в проектах больших данных.

Преподаватель

Николай Комиссаренко

Описание Программы

Основные концепции Hadoop
- Основы Hadoop. Жизненный цикл аналитики больших данных. Хранение, накопление, подготовка и процессинг больших данных. Тенденции развития Hadoop.
- Архитектура HDFS. Операции чтения и записи, назначения HDFS. Блоки HDFS. Основные команды работы с HDFS.
- Ведение в MapReduce. Компоненты MapReduce. Работа программы MapReduce. Архитектура YARN. Способы обработки распределенных данных с использованием Apache Spark, YARN и MapReduce v2/v3.
- Управление ресурсами и очередями задач. FIFO/Capacity/Fair scheduler.
Инструменты управления кластером
- Выполнение базовых операций с Cloudera Manager/Apache Ambari.
- Настройка компонент Apache ZooKeeper.
- Создание и управление запросами и данными с использованием сервиса Hue.
Хранение данных в HadoopDFS
- Хранение файлов в HDFS: сжатие, sequence файлы. Формат AVRO, RCfile, ORC, Parquet.
- Введение в Apache Pig: формат хранения данных, сложные и вложенные типы данных, синтаксис Pig Latin, оптимизация операций Join.
Apache Spark
- Архитектура Apache Spark.
- Введение в Spark: RDD & Datasets
- Доступ к внешним данным из Spark
- Интеграция с Hadoop, запуск приложений
- Spark streaming
- Spark SQL
- Datasets, Dataframes
Импорт/экспорт данных в кластер Hadoop
- Импорт и обработка данных в кластере Hadoop
- Интеграция с реляционными базами данных
- Структура хранения данных в таблицах
- Технологии NoSQL
- Сравнительная характеристика решений Hadoop SQL
- Введение в Sqoop: импорт и экспорт данных Sqoop, формат файлов, инкрементальный импорт, Hive экспорт Apache Hive
Apache Hive
- Введение в Hive: структура Hive таблиц, синтаксис HiveQL, формат хранения файлов, работа с внешними и внутренними таблицами Hive, оптимизация Join операций. Операции импорта и экспорта данных и взаимодействия с внешними источниками. Настройка производительности
Cloudera Impala
- Введение в Cloudera Impala: архитектура и компоненты, Impala синтаксис, типы данных, написание запросов, загрузка данных, взаимодействие Spark, Hive
- Оптимизация Impala запросов
Потоковые данные
- Event Processing System. Импорт потоковых данных в кластер
- Использование Kafka для работы с потоковыми данными
- Использование Flume для работы с потоковыми данными
- Визуализация потоковых данных

Cписок практических занятий:

Автоматическая установка 3-узлового кластера в облаке Amazon Web Services с использованием Cloudera Manager и поддержка базовых операций с кластером Hadoop и HDFS.
Управление ресурсами и запуском задач с использованием YARN MapReduce.
Использование Apache Pig для подготовки данных, операции JOIN
Использование Apache Hive для анализа данных
Оптимизация запросов JOIN в Apache Hive
Настройка partition и bucket в Apache Hive
Инкрементальный импорт/экспорт данных с помощью Apache sqoop
SQL аналитика данных с помощью Cloudera Impala
Batch процессинг данных с использованием Apache Spark
Потоковая обработка данных с использованием Apache Spark
Импорт данных с помощью Apache Flume
Построение Event Processing System с использованием Apache Flume и Kafka
Создание и управление запросами sqoop, MapReduce, Hive, Impala с использованием веб-интерфейса B