Course Outline

Big Data Περιγραφή:

  • Τι είναι το Big Data
  • Γιατί το Big Data αποκτά δημότητα
  • Περιπτώσεις χρήσης του Big Data
  • Χαρακτηριστικά του Big Data
  • Λύσεις για να εργαστείτε με το Big Data.

Hadoop και τα συστατικά του:

  • Τι είναι το Hadoop και ποιά είναι τα συστατικά του.
  • Αρχιτεκτονική του Hadoop και τα χαρακτηριστικά των δεδομένων που μπορεί να επεξεργαστεί/να επεξεργαστεί.
  • Σύντομη ιστορία του Hadoop, εταιρείες που το χρησιμοποιούν και γιατί έχουν αρχίσει να το χρησιμοποιούν.
  • Πλαίσιο εργασίας Hadoop και συστατικά του - εξήγηση με λεπτομέρεια.
  • Τι είναι HDFS και πώς γίνεται διάβασμα-γραφή στο Hadoop Διανημένο Σύστημα Αρχείων.
  • Πώς να εγκαταστήσετε κλάστερ Hadoop σε διαφορετικές μόδους - Monostand- alone/Pseudo/Multi Node cluster.

(Αυτό περιλαμβάνει την εγκατάσταση ενός Hadoop κλάστερ στο VirtualBox/KVM/VMware, δίκτυα που χρειάζεται να μελετηθούν προσεκτικά, το εκτελούμενο Hadoop Daemon και το δοκιμαστέο κλάστερ).

  • Τι είναι το πλαίσιο εργασίας Map Reduce και πώς λειτουργεί.
  • Εκτέλεση υπολογισμών Map Reduce σε Hadoop κλάστερ.
  • Συνειδητότητα αντίθεσης, μεικτής επιβολής και σχέσης ράκου σε σύγκρουση με Hadoop κλάστερ.

Σχεδιασμός Hadoop Κλάστερ:

  • Πώς να σχεδιάσετε το Hadoop κλάστερ.
  • Συνείδηση hardware-software για να σχεδιάσετε το hadoop κλάστερ.
  • Συνείδηση εργασιών και σχεδιασμός cluster για να αποφύγετε πτωχές και να δραστήριζε ικανοποιητικά.

Τι είναι το MapR και γιατί MapR :

  • Περιγραφή του MapR και της αρχιτεκτονικής του.
  • Συνείδηση & εργασία του συστήματος ελέγχου MapR, των MapR Volumes , αποικιών και μερικών.
  • Σχεδιασμός cluster σε σύγκρουση με το MapR.
  • Σύγκριση του MapR με άλλες διανομές και του Apache Hadoop.
  • Εγκατάσταση και εξωφυλίδες στον προσαρμόζοντα MapR.

Κλάστερ setup & Διαχείριση:

  • Διαχείριση υπηρεσιών, κλάστερων , αποικιών, μερικών τόμων και απομακρυσμένων κλάστερ.
  • Συνείδηση και διαχείριση Nodes.
  • Συνείδηση των Hadoop components, εγκατάσταση components στο πλάτος MapR Services.
  • Διαχείριση δεδομένων στο cluster συμπεριλαμβανομένων των NFS, διαχείριση υπηρεσιών & nodes.
  • Διαχείριση δεδομένων με χρήση volumes, διαχείριση αντικειμένων και ομάδων, διαχείριση & επιλογής πόρων στους nodes, υποβολή αποποίησης nodes, administration cluster και monitoring περιθώρια, τυποθέτων/ ανάλυση και monitoring metrics για περιθώρια, τυποθέτων και Διαχείριση MapR σφαγής.
  • Συνείδηση και εργασία με M7- από πισώ storage για MapR tables.
  • Διάθεση κλάστερ configuration και tuning για optimum performance.

Ενημέρωση κλάστερ και ολοκλήρωση με άλλους συνδεδεμένους:

  • Έναρξη του MapR software version και είδη upgrade.
  • Διαθέσειες Mapr cluster για πρόσβαση στο HDFS cluster.
  • Εγκατάσταση MapR cluster στο Amazon Elastic Mapreduce.

Όλα τα προαναφερόμενα θέματα περιλαμβάνουν δειγμάτων και εξόπλιση αθλήσεις για τους μαθητές να έχουν χειροκίνητη εμπειρία της τεχνολογίας.

Requirements

  • Βασική γνώση του Linux FS
  • Βασικά Java
  • Γνώση του Apache Hadoop (εξοπλισμός)
 28 Hours

Number of participants


Price per participant

Testimonials (1)

Upcoming Courses

Related Categories