课程一、基于Linux操作系统平台下的Java语言开发(20课时)课程简介本套课程主要介绍了Linux系统下的Java环境搭建及最基础的Java语法知识。学习Linux操作系统下Java语言开发的好处好处一:不再束缚在Windows操作系统下,开阔眼界。好处二:熟练Linux操作系统的指令,走出“指指点点”的开发,成为真正的代码程序员。好处三:增加自己的竞争实力,为自己应聘时加上浓浓的一笔。课程大纲第一讲安装虚拟机以及Linux操作系统第二讲Linux桌面系统第三讲Linux文件和目录管理第四讲VIM的使用(上)第五讲VIM的使用(下)第六讲Linux终端常用命令第七讲Java开发环境的搭建第八讲Java语言基础(上)第九讲Java语言基础(下)第十讲Java中IO详解(上)第十一讲Java中IO详解(下)第十二讲Java中容器详解(上)第十三讲Java中容器详解(下)第十四讲Java中Swing详解(上)第十五讲Java中Swing详解(下)第十六讲JSP开发环境的搭建第十七讲JSP语法详解(上)第十八讲JSP语法详解(下)第十九讲开发用户登陆,用户注册系统第二十讲开发用户管理系统
Linux系统管理教程(21课时)课程简介通过此课程的学习,系统全面的了解虚拟机VMWare在各种环境下的安装配置,及Linux系统管理的专业内容。课程大纲补1、虚拟机VMWare在XP下安装视频教程补2、VMware及Linux安装配置教程补3、专业Linux系统管理课程01.对Linux进行简单介绍并安装Linux操作系统包括系统的配置02.Linux图形界面管理03.用户和用户组管理(1)04.用户和用户组管理(2)05.文件和目录管理(1)06.文件和目录管理(2)07.软件包管理08.磁盘管理(1)09.磁盘管理(2)10.文件和目录管理(3)11.Linux终端命令系统命令12.常用信息显示命令13.常用系统管理命令14.备份打包和压缩(1)15.备份打包和压缩(2)16.系统级管理17.日志和常用软件18.网络管理19.系统安全
课程一:Hadoop2.0/YARN深入浅出(21课时)课程简介详细讲解了Hadoop2.0架构、部署以及YARN,并讲解了运行在YARN上主要的计算框架,包括Spark、Storm和Tez课程大纲一、Hadoop2.0(6课时)Hadoop2.0产生背景Hadoop2.0基本构成二、HDFS2.0MapReduce2.0Hadoop2.0安装配置集群测试三、YARN资源管理系统(4课时)YARN产生背景YARN基本设计思想YARN基本架构YARN工作流程YARN通信协议YARN容错YARN资源调度机制四、YARN支持的计算框架(Storm,Tez,Spark)(11课时)以YARN为核心的生态系统Storm基本概念Storm流式计算框架基于YARN的Storm架构YARN-Storm部署StormOnYARN服务ApacheTez介绍Tez特点Tez数据处理引擎DAGAppMaster实现Tez优化机制Tez应用场景Tez部署什么是SparkSpark生态系统Spark的核心--RDD和LineageRDD的存储、容错机制、内部设计及数据模型Spark调度框架Spark的分布式部署方式基于Mesos的Spark模式基于YARN的Spark模式Spark的独立模式部署Spark的YARN模式部署
课程三:HadoopSqoop/Flume/Avro实战(14课时)课程简介HadoopSqoop、Flume、Avro重要子项目的技术实战课程大纲一、Sqoop(6课时)Sqoop产生背景、基本Sqoop1和Sqoop2架构及特点Sqoop1安装配置(版本1.4.4)Sqoop导入介绍实战:从mysql导入数据到HDFS实战:从mysql导入数据到HiveSqoop导出介绍实战:将Hive数据导出到MysqlSqoop与Hbase结合Sqoop作业操作Sqoop作业安全配置Sqoop2安装配置(版本1.99.3)Sqoop2使用综合实战二、Flume日志收集系统(7课时)Flume概念和特点FlumeOG架构、组成、特点、容错机制设计日志收集系统综合比较FlumeNG架构、核心概念FlumeOG的安装FlumeOG的配置(Web端、Flumeshell)FlumeNG的安装配置、测试FlumeNG模块配置(Source、Channel、Sink)三、Avro数据序列化系统(1课时)Avro介绍Avro特性、主要作用RPC使用AvroAvro与其他序列化系统的区别
课程四:深入浅出HadoopMahout数据挖掘实战(17课时)课程简介1、Mahout数据挖掘工具2、Hadoop实现推荐系统的综合实战,涉及到MapReduce、Pig和Mahout的综合实战课程大纲一、Mahout数据挖掘工具(10课时)数据挖掘概念、系统组成数据挖掘常用方法及算法(回归分析、分类、聚类等)数据挖掘分析工具Mahout支持的算法Mahout起源和特点Mahout安装、配置及测试实战:MahoutK-means聚类分析Mahout实现Canopy算法Mahout实现分类算法实战:Mahout逻辑回归分类预测实战:Mahout朴素贝叶斯分类推荐系统的概念及分类协同过滤推荐算法概念、分类及应用实战:实现基于Mahout的电影推荐系统二、Hadoop综合实战-文本挖掘项目(7课时)文本挖掘的概念及应用场景项目背景项目流程中文分词技术庖丁分词器的使用MapReduce并行分词程序的设计与实现Pig划分数据集Mahout构建朴素贝叶斯文本分类器模型应用-计算用户偏好类别