Hadoop作为开源的云计算平台，为大数据处理提供了一整套解决方案，应用非常广泛。Hadoop作为一个平台框架，包括了如何存储海量数据，如何处理海量数据，以及相应的数据库、数据仓库、数据流处理、数据分析和挖掘算法库，等等。本课程主要介绍Hadoop的思想、原理，以及重要技术等相关知识。 通过本课程的学习，达到如下目的： 1、全面了解大数据处理技术的相关知识。 2、学习Hadoop的核心技术以及应用。 3、深入掌握Hadoop的相关工具在大数据中的使用。 4、掌握Hadoop的常用模块的工作原理及

**部分：Hadoop的基本框架

1、 大数据时代面临的问题

2、 当前解决大数据的技术方案

3、 Hadoop架构和云计算

4、 Hadoop简史及安装部署

5、 Hadoop设计理念和生态系统

第二部分：HDFS分布式文件系统：海量数据存储的摇篮

1、 HDFS的设计目标

2、 HDFS的基本架构

Ø NameNode名称节点

Ø SecondaryNameNode第二名称节点

Ø DataNode数据节点

3、 HDFS的存储模型

Ø 数据块存储

Ø 元数据存储（空间镜像与编辑日志）

Ø 多副本存储

4、 多副本放置策略

5、 多数据节点管理机制与交互过程

6、 文件系统操作与管理

Ø 读文件过程

Ø 写文件过程（数据流管道）

7、 数据完整性机制

Ø 数据校验和

Ø 数据完整性扫描线程

Ø 元数据备份与合并

8、 数据可靠性设计

Ø 安全模式（数据块与节点映射关系管理）

Ø 心跳检测机制（节点失效管理）

Ø 租约机制（多线程并发控制）

9、 其它

Ø HDFS的安全机制

Ø 负载均衡

Ø 文件压缩

10、 操作接口与编程接口

Ø HDFS Shell

Ø HDFS Commands

Ø WebHDFS REST API

Ø HDFS Java API

演练：HDFS文件操作命令

演练：HDFS编程示例

第三部分：MapReduce分布式计算系统：海量数据处理的利器

1、 MapReduce的三层设计理念

Ø 分布治之的设计思想（Map与Reduce）

Ø 数据处理引擎（编程模型）

Ø 运行时环境（任务调度与执行）

2、 MapReduce的基本架构

Ø JobTracker作业跟踪器

Ø TaskTracker任务跟踪器

Ø MapReduce与HDFS的部署关系

3、 MapReduce编程模型概述

Ø 编程接口介绍

Ø Hadoop工作流实现原理

4、 MapReduce作业调度机制

Ø MapReduce作业生命周期

Ø 作业调度策略

Ø 静态资源管理方案

5、 数据并行处理机制（五步骤）

Ø Input阶段实现

Ø Map阶段实现

Ø Shuffle阶段实现

Ø Reduce阶段实现

Ø Output阶段

6、 MapReduce容错机制

Ø 任务失败与重新尝试

Ø 节点失效与重调度

Ø 单点故障

7、 MapReduce性能优化

Ø 优化方向与思路

Ø 磁盘IO性能优化

Ø 分片优化

Ø 线程数量优化

Ø 内存优化

Ø 压缩优化

8、 MapReduce操作接口

Ø Job Shell

Ø Web UI

案例演练：MapReduce编程示例

9、 YARN：下一代通用资源管理系统

Ø MRv1的局限性

Ø YARN基本框架

Ø NN HA：解决单点故障

Ø HDFS Federation：解决扩展性问题

第四部分：HBase非关系型数据库：海量数据的黎明

1、 HBase的使用场景

2、 HBase的基本架构

Ø Zookeeper分布式协调服务器

Ø Master主控服务器

Ø Region Server区域服务器

3、 HBase的数据模型

Ø HBase的表结构

Ø 行键、列键、时间戳

4、 HBase的存储模型

Ø 基本单位Region

Ø 存储格式HFile

5、 数据分裂机制Split

6、 数据合并机制Compaction

Ø minor compaction

Ø major compaction

7、 HLog写前日志

8、 数据库读写操作

Ø 数据库写入

Ø 数据库读取

Ø 三次寻址

9、 HBase操作接口

Ø Native Java API

Ø HBase Shell

Ø 批量加载工具

Ø HiveQL操作

10、 HBase性能优化

Ø 写速度优化

Ø 读速度优化

11、 HBase集群监控与管理

案例演练：HBase命令操作实例

第五部分：Hive分布式数据仓库：高级的编程语言

1、 Hive是什么

2、 Hive与关系数据库的区别

3、 Hive系统架构

Ø 用户接口层

Ø 元数据存储层

Ø 驱动层

4、 Hive常用服务

5、 Hive元数据的三种部署模式

6、 Hive的命名空间

7、 Hive数据类型与存储格式

Ø 数据类型

Ø TextFile/SequenceFile/RCFile

8、 Hive的数据模型

Ø 管理表

Ø 外部表

Ø 分区表

Ø 桶表

9、 HQL语言命令实例

Ø DDL数据定义语言

Ø DML数据操作语言

Ø QUERY数据查询语言

10、 Hive自定义函数

Ø 基本函数（UDF）

Ø 聚合函数（UDAF）

Ø 表生成函数（UDTF）

11、 Hive性能优化

Ø 动态分区

Ø 压缩

Ø 索引

Ø JVM重用

案例演练：Hive命令操作实例

第六部分：Sqoop数据交互工具：Hadoop与传统数据库的桥梁

1、 Sqoop是什么

2、 Sqoop的架构和功能

Ø Sqoop1架构

Ø Sqoop2架构

3、 数据双向交换

Ø 数据导入过程

Ø 数据导出过程

4、 数据导入工具与命令介绍

案例演练：Sqoop数据导入/导出实际操作

第七部分：Pig数据流处理引擎：数据脚本语言

1、 Pig介绍

2、 命令行交互工具Grunt

3、 Pig数据类型

4、 Pig Latin脚本语言介绍

Ø 基础知识

Ø 输入和输出

Ø 关系操作

Ø 调用静态Java函数

5、 Pig Latin高级应用

6、 开发与测试Pig Latin脚本

Ø 开发工具

Ø 任务状态监控

Ø 调试技巧

7、 脚本性能优化

8、 用户自定义函数UDF

案例演练：Pig Latin脚本编写、测试与运行操作

结束：课程总结与问题答疑。