關于舉辦“大數(shù)據(jù)實時處理-基于Spark的大數(shù)據(jù)實時處理及應用技術”培訓的通知

各有關單位：

中國科學院計算技術研究所是國家專門的計算技術研究機構，同時也是中國信息化建設的重要支撐單位，中科院計算所培訓中心是致力于高端IT類人才培養(yǎng)及企業(yè)內訓的專業(yè)培訓機構。中心憑借科學院的強大師資力量，在總結多年大型軟件開發(fā)和組織經(jīng)驗的基礎上，自主研發(fā)出一整套課程體系，其目的是希望能夠切實幫助中國軟件企業(yè)培養(yǎng)高級軟件技術人才，提升整體研發(fā)能力，迄今為止已先后為國家培養(yǎng)了數(shù)萬名計算機專業(yè)人員，并先后為數(shù)千家大型國內外企業(yè)進行過專門的定制培訓服務。

隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實地迎來了一個大數(shù)據(jù)的時代。大數(shù)據(jù)是指無法在一定時間內用常規(guī)軟件工具對其內容進行抓取、管理和處理的數(shù)據(jù)集合，對大數(shù)據(jù)的分析已經(jīng)成為一個非常重要且緊迫的需求。目前對大數(shù)據(jù)的分析工具，的是Hadoop/Yarn平臺，但目前對大數(shù)據(jù)的實時分析工具，業(yè)界公認*佳為Spark。Spark是基于內存計算的大數(shù)據(jù)并行計算框架，Spark目前是Apache軟件基金會旗下，的開源項目，Spark提出的DAG作為MapReduce的替代方案，兼容HDFS、Hive等分布式存儲層，可融入Hadoop的生態(tài)系統(tǒng)，以彌補缺失MapReduce的不足，事實上已成為當前互聯(lián)網(wǎng)企業(yè)主流的大數(shù)據(jù)實時處理工具。為解決廣大系統(tǒng)設計人員深入研究與開發(fā)大數(shù)據(jù)實時處理的需要，培訓中心特舉辦“大數(shù)據(jù)實時處理-基于Spark的大數(shù)據(jù)實時處理及應用技術”培訓班，具體事宜通知如下：

一、培訓對象

1，系統(tǒng)架構師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。

2，牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運行、規(guī)劃、設計負責人。

3，政府機關，金融保險、移動和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負責人。

4，高校、科研院所牽涉到大數(shù)據(jù)與分布式數(shù)據(jù)處理的項目負責人。

二、學員基礎

1，對IT系統(tǒng)設計有一定的理論與實踐經(jīng)驗。

2，數(shù)據(jù)倉庫與數(shù)據(jù)挖掘處理有一定的基礎知識。

3，對Hadoop/Yarn/Spark大數(shù)據(jù)技術有一定的了解。

三、師資

由業(yè)界知名云計算專家親自授課：

楊老師 主要研究網(wǎng)絡信息分析以及云計算相關技術，長期從事數(shù)據(jù)倉庫、數(shù)據(jù)挖掘以及大數(shù)據(jù)分析技術研究，主持和參與了多個國家和省部級基金項目，具有豐富的工程實踐及軟件研發(fā)經(jīng)驗。

四、培訓要點

互聯(lián)網(wǎng)點擊數(shù)據(jù)、傳感數(shù)據(jù)、日志文件、具有豐富地理空間信息的移動數(shù)據(jù)和涉及網(wǎng)絡的各類評論，成為了海量信息的多種形式。當數(shù)據(jù)以成百上千TB不斷增長的時候，我們在內部交易系統(tǒng)的歷史信息之外，需要一種基于大數(shù)據(jù)實時分析的決策模型和技術支持。

大數(shù)據(jù)通常具有：數(shù)據(jù)體量(Volume)巨大,數(shù)據(jù)類型(Variety)繁多,價值(Value)密度低,處理速度(Velocity)快等四大特征。Google發(fā)布的GFS和MapReduce等高可擴展、高性能的分布式大數(shù)據(jù)處理框架，證明了在處理海量網(wǎng)頁數(shù)據(jù)時該框架的優(yōu)越性。在此基礎上，Apache Hadoop開源項目開發(fā)團隊，克隆并推出了Hadoop/Yarn系統(tǒng)。該系統(tǒng)已受到學術界和工業(yè)界的廣泛認可和采納，并孵化出眾多子項目(如Hive，Zookeeper和Mahout等)，日益形成一個易部署、易開發(fā)、功能齊全、性能優(yōu)良的系統(tǒng)。

近年來以Berkley牽頭設計的Spark/BDAS技術，實現(xiàn)了內存級別的分布式處理模式，使用戶無需關注復雜的內部工作機制，無需具備豐富的分布式系統(tǒng)知識及開發(fā)經(jīng)驗，即可實現(xiàn)大規(guī)模分布式系統(tǒng)的部署與大數(shù)據(jù)的并行處理。

Spark生態(tài)系統(tǒng)(BDAS項目)已經(jīng)發(fā)展成一個，包含多個子項目的集合，包括Spark SQL、Spark Streaming、GraphX、MLlib等，本課程從大數(shù)據(jù)實時處理技術以及Spark實戰(zhàn)的角度，結合理論和實踐，全方位地介紹Spark大數(shù)據(jù)實時處理工具的原理和內核,包括Spark大數(shù)據(jù)計算框架、運行架構、設計模型和數(shù)據(jù)管理策略，及Spark在業(yè)界的應用。

課程中結合實例，介紹圖工具GraphX如何發(fā)現(xiàn)社交網(wǎng)絡中的人際關系，大數(shù)據(jù)挖掘工具MLlib如何進行商品聚類和電影推薦，以及Streaming流挖掘工具,并探討了Spark與Docker等云環(huán)境下新技術的結合，分析了其應用前景。

本課程教學過程中還提供了案例分析來幫助學員了解如何用Spark實時大數(shù)據(jù)工具來解決業(yè)界的問題，并介紹了Spark生產(chǎn)環(huán)境搭建的相關知識。

本課程不是一個泛泛的理論性、概念性的介紹課程，而是針對問題討論Spark解決方案的深入課程。教師對于上述領域有深入的理論研究與實踐經(jīng)驗，在課程中將會針對這些問題與學員一起進行研究，在關鍵點上還會搭建實驗環(huán)境進行實踐研究，以加深對于這些解決方案的理解。通過本課程學習，希望推動Spark實時大數(shù)據(jù)處理開發(fā)上升到一個新水平。

五、培訓內容

第一講Spark大數(shù)據(jù)實時處理技術

1）大數(shù)據(jù)處理技術

2）Spark實時處理技術

3）Spark生態(tài)系統(tǒng)BDAS

4）Spark架構分析

第二講 Spark安裝配置及監(jiān)控

1）Ubuntu環(huán)境的準備

2）Ha*****.X和Scala

3）搭建Spark開發(fā)環(huán)境

4）Idea編譯和運行

5）Spark監(jiān)控管理

第三講 Scala編程語言使用概述

1) Scala編程語言

2) 基本數(shù)據(jù)類型

3) 操作基本數(shù)據(jù)類型

4) 類和對象

5) 組合和繼承

第四講 Spark分布式計算框架

1）Spark計算模型

2）彈性分布式數(shù)據(jù)集RDD

3）Spark的數(shù)據(jù)存儲

4）Transformation算子分類及功能

5）Actions算子分類及功能

第五講 Spark內部工作機制詳解

1) Spark底層實現(xiàn)原理

2) Spark應用執(zhí)行機制

3) Spark調度與任務分配模塊

4) FIFO和FAIR調度算法

第六講 Spark數(shù)據(jù)讀取與存儲

1）Spark的I/O機制

2）Spark中的數(shù)據(jù)壓縮

3）Spark的數(shù)據(jù)讀取與存儲

4）Spark數(shù)據(jù)讀寫流程

第七講 Spark通信模塊和容錯機制

1）Spark通信模塊

2）通信框架AKKA

3）容錯機制和Lineage依賴

4）檢查點機制進行容錯

5）Shuffle過程

第八講SQL On Spark

1) BDAS數(shù)據(jù)分析軟件棧

2) SQL On Spark

3) Spark SQL工具使用

4) Shark工具使用

5) Hive on Spark工具

6) Spark操作HBase中的數(shù)據(jù)

第九講 Spark流數(shù)據(jù)處理工具Streaming

1）流數(shù)據(jù)處理工具Streaming

2） Spark Streaming架構

3） Spark Streaming原理

4） Spark Streaming實例

第十講Spark中的大數(shù)據(jù)挖掘工具MLlib

1）大數(shù)據(jù)挖掘工具MLlib

2）MLlib的數(shù)據(jù)存儲

3）MLlib中的聚類和分類

4）MLlib算法應用實例

5）利用MLlib進行推薦

第十一講 Spark大規(guī)模圖處理工具GraphX

1）大規(guī)模圖處理工具GraphX

2）GraphX的運行架構

3）GraphX操作使用

4）GraphX使用實例

第十二講 Spark與其他大數(shù)據(jù)技術的融合與應用

1）與Hadoop/Yarn集群應用的協(xié)作

2）與Docker等其它云工具配合

3）Spark在Yahoo!的應用

4）Spark在電商中的應用

六、培訓目標

1，全面了解大數(shù)據(jù)實時處理技術的相關知識。

2，學習Spark的核心技術方法以及應用特征。

3，深入使用Spark在大數(shù)據(jù)實時處理中的使用。

4，掌握BDAS相關工具及其主要功能。

七、培訓時間、地點

時間： 2018年5月9日-5月11日 地點：北京

八、證 書

培訓結束，頒發(fā)中科院計算所職業(yè)培訓中心“大數(shù)據(jù)實時處理-基于Spark的大數(shù)據(jù)實時處理及應用技術”結業(yè)證書。

九、費 用

培訓費：5800元/人（含教材、證書、午餐、學習用具等）。住宿協(xié)助安排，費用自理。