您現(xiàn)在的位置：首頁 > 企業(yè)內(nèi)訓(xùn) > 大數(shù)據(jù) > 大數(shù)據(jù)資源管理、云計算運維管理、信息化項目管理應(yīng)用實踐

大數(shù)據(jù)資源管理、云計算運維管理、信息化項目管理應(yīng)用實踐

2020-08-17 10:39:37　|　來源：中培企業(yè)IT培訓(xùn)網(wǎng)

一、培訓(xùn)背景

“數(shù)據(jù)為王”的時代，大數(shù)據(jù)將帶來一次全新的革命，將改變眾多企業(yè)的命運。本課程通過專業(yè)的大數(shù)據(jù)、云計算架構(gòu)體系與業(yè)界真實案例來全面提升相關(guān)人員的管理水平，以及企事業(yè)單位的信息化項目規(guī)劃和落地，提升競爭力優(yōu)勢。

二培訓(xùn)收益

本課程的授課師資都是有著多年在一線從事大數(shù)據(jù)、云計算項目的資深講師，采用理論、技術(shù)和實戰(zhàn)案例相結(jié)合的方式開展互動教學(xué)、強化如何建立大數(shù)據(jù)、云計算項目管理方案、技術(shù)討論與交流咨詢，在學(xué)習(xí)的同時促進老師學(xué)員之間的交流，讓大家學(xué)到實實在在的大數(shù)據(jù)和云計算理論知識體系及技術(shù)技巧，具備項目實施中的管控能力。

三培訓(xùn)特色

授課過程中，根據(jù)學(xué)員需求，增設(shè)交流環(huán)節(jié)，可將具體工作中遇到的實際問題展開討論，講師會根據(jù)學(xué)員的實際情況微調(diào)授課內(nèi)容，由講師帶著全部學(xué)員積極討論，并給出一定的時間讓學(xué)員上臺發(fā)言，現(xiàn)場剖析問題的癥結(jié)，規(guī)劃出可行的解決方案。

四、培訓(xùn)大綱

培訓(xùn)時間	培訓(xùn)模塊	培訓(xùn)內(nèi)容
第一天	大數(shù)據(jù)基礎(chǔ)	1. 什么是大數(shù)據(jù) 2 大數(shù)據(jù)技術(shù)的產(chǎn)生背景 3. 大數(shù)據(jù)應(yīng)用場景 4. 大數(shù)據(jù)思維 5. 大數(shù)據(jù)產(chǎn)業(yè)鏈 6. 大數(shù)據(jù)是如何變革各行業(yè)的技術(shù)架構(gòu)、商業(yè)模式和組織方式 7. 大數(shù)據(jù)必備的技術(shù)基礎(chǔ)
	業(yè)界主流Hadoop 大數(shù)據(jù)平臺技術(shù)產(chǎn)品與項目解決方案	8. 國內(nèi)外主流的大數(shù)據(jù)解決方案介紹 9. 當前大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案的剖析比較 10. Apache Hadoop大數(shù)據(jù)平臺全流程解決方案 11. Cloudera Hadoop大數(shù)據(jù)平臺全流程解決方案 12. HDP Hadoop大數(shù)據(jù)平臺解決方案 13. 開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺剖析
	大數(shù)據(jù)平臺解決方案	14. Hadoop的發(fā)展歷程以及產(chǎn)業(yè)界實際應(yīng)用介紹 15. Hadoop 大數(shù)據(jù)平臺架構(gòu) 16. 基于Hadoop平臺的PB級大數(shù)據(jù)存儲管理與分析處理的工作原理與機制 17. Hadoop的核心組件剖析 18. Hadoop大數(shù)據(jù)解決方案和產(chǎn)品
	大數(shù)據(jù)管理系統(tǒng) 應(yīng)用實戰(zhàn)與解決方案	19. 大數(shù)據(jù)管理系統(tǒng)介紹 20. NoSQL 數(shù)據(jù)庫與 NewSQL 數(shù)據(jù)庫技術(shù)介紹，及Hadoop 數(shù)據(jù)庫典型代表 21. HBase 在半結(jié)構(gòu)化和非結(jié)構(gòu)化大數(shù)據(jù)管理方面的應(yīng)用實踐 22. NOSQL 大數(shù)需管理解決方案 23. NOSQL 管理圖數(shù)據(jù)方案 24. NOSQL 管理非結(jié)構(gòu)化數(shù)據(jù)方案 25. 分布式數(shù)據(jù)庫管理結(jié)構(gòu)化數(shù)據(jù)方案
	大數(shù)據(jù)監(jiān)控管理解決方案	26.大數(shù)據(jù)運維監(jiān)控管理系統(tǒng)：HUE平臺的監(jiān)控管理解決方案 27.大數(shù)據(jù)運維管理監(jiān)控系統(tǒng)Ambari平臺 28.Hadoop集群運維Ganglia,Nagios解決方案
	大型數(shù)據(jù)倉庫與數(shù)據(jù)中心解決方案	29.基于Hadoop的大型分布式數(shù)據(jù)倉庫基礎(chǔ) 30.政務(wù)大數(shù)據(jù)倉庫的建設(shè) 31.持續(xù)增長的數(shù)據(jù)倉庫的建設(shè)實施案例
第二天	實時大數(shù)據(jù) 分析處理平臺的解決方案	32. Spark 的發(fā)展歷程以及業(yè)界的實際應(yīng)用介紹 33. Spark實時大數(shù)據(jù)處理平臺架構(gòu) 34. Spark RDD內(nèi)存彈性分布式數(shù)據(jù)集的工作 35. Spark的核心組件剖析 36. 基于Spark的實時數(shù)據(jù)倉庫與實時分析挖掘處理在行業(yè)中的應(yīng)用實踐案例
	政府部門大數(shù)據(jù) 應(yīng)用案例	37. 醫(yī)療大數(shù)據(jù)應(yīng)用 38. 數(shù)字城市大數(shù)據(jù)應(yīng)用 39. 國土大數(shù)據(jù)應(yīng)用 40. 電力大數(shù)據(jù)應(yīng)用 41. 城市管理大數(shù)據(jù)應(yīng)用
	大數(shù)據(jù)中心常見問題及應(yīng)對之策	42. 大數(shù)據(jù)中心的數(shù)據(jù)治理問題及應(yīng)對之策 43. 大數(shù)據(jù)中心的安全問題及應(yīng)對之策 45. 大數(shù)據(jù)中心的訪問控制問題及應(yīng)對之策 46. 大數(shù)據(jù)中心的能源供應(yīng)問題及應(yīng)對之策 47. 大數(shù)據(jù)中心的雙活備用問題及應(yīng)對之策
	云計算基礎(chǔ)	48. 云計算技術(shù)應(yīng)用解決方案，智慧城市與云計算技術(shù)應(yīng)用，移動互聯(lián)網(wǎng)、大數(shù)據(jù)與云計算應(yīng)用解決方案 49. 云計算和大數(shù)據(jù)技術(shù)在運營商、金融業(yè)、銀行業(yè)、電子商務(wù)行業(yè)、零售業(yè)、制造業(yè)、政務(wù)信息化、互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實踐 50. 云計算平臺技術(shù)與層次架構(gòu)分析 51. 云計算的服務(wù)模式與SPI服務(wù)模型，laas、PaaS、SaaS、DaaS技術(shù)解析 52. 公有云計算平臺、私有云平臺、混合云平臺 53. 政務(wù)云平臺的實施室例
	云計算關(guān)鍵技術(shù)	54. 云計算和虛擬化平臺的成熟應(yīng)用案例 55. 云計算與虛擬化平臺的關(guān)鍵技術(shù) 56. 云計算平臺的架構(gòu)設(shè)計與實現(xiàn) 57. 云資源池管理解決方富剖析 58. 云計算分布式計算技術(shù)以及存儲虛擬化、計算虛擬化、網(wǎng)絡(luò)虛擬化技術(shù)原理 59. 桌面虛擬化、服務(wù)器虛擬化技術(shù)原理及應(yīng)用
	云計算解決方案	60. 云計算與虛擬化技術(shù)的應(yīng)用解決方案 61. 重點講解業(yè)界主流的標準化云計算平臺產(chǎn)品的平臺架構(gòu)及其應(yīng)用概況 62. OpenStack 云計算點擬化管理平臺解決方 63. VMware VSphere 云計算虛擬化集群管理平臺解決方案 64. 容器虛擬化云平臺解決方案，包括 Docker云平臺方案與產(chǎn)品
	云平臺運維管理	65. 商業(yè)云計算平臺VMware 的運維管理 66. 開源云計算平臺 OpenStack 的運維管理 67. 容器云平臺Docker和 Kubermnetes 運維管理 68. 云平臺的自動化運維的挑戰(zhàn)與解決之道 69. 云平臺的運維特征分析與特點 70. 云平臺的安全運維之道 71. 云平臺運維系統(tǒng)的規(guī)劃設(shè)計和系統(tǒng)架構(gòu) 72. 云運維管理角色的職責設(shè)計 73. 云平臺的平臺優(yōu)化運維 74. 云平臺的系統(tǒng)監(jiān)控層維護
	信息化項目建設(shè) 管理系統(tǒng)流程及相關(guān)的系統(tǒng)知識	75. 信息化項目的管理流程 76. 信息化項目管理需要具備的系統(tǒng)知識 77. 主機規(guī)劃知識，ICT系統(tǒng)知識 78. 交流討論：根據(jù)講師布置的實際應(yīng)用案例，開展大數(shù)據(jù)完整項目部容設(shè)計和應(yīng)用開發(fā)實踐、大數(shù)據(jù)項目的需求分析、應(yīng)用實施以及解決方案
第三天	大數(shù)據(jù)基礎(chǔ)技術(shù)	79. 大數(shù)據(jù)的4V特征，以及與云計算的關(guān)系 80. 大數(shù)據(jù)應(yīng)用需求以及潛在價值分析 81. 業(yè)界最新的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢與應(yīng)用趨勢 82. 大數(shù)招項目的系統(tǒng)與技術(shù)選型，及落地實施的挑戰(zhàn) 83. “互聯(lián)網(wǎng)＋時代下的電子商務(wù)、制造業(yè)、零售批發(fā)、電信運營崗，互聯(lián)網(wǎng)金融業(yè)、電子政務(wù)、移動互聯(lián)網(wǎng)、教育信息化等行業(yè)應(yīng)用實殘與應(yīng)用露例介紹
	業(yè)界主流的大數(shù)據(jù)技術(shù)方案	84. 大數(shù)據(jù)歟硬件系統(tǒng)全棧與關(guān)鍵技術(shù)介紹 85. 主流的大數(shù)據(jù)解決方露介紹 86. Apache 大數(shù)據(jù)平臺方索創(chuàng)析 87. CDH大數(shù)據(jù)平臺方宏創(chuàng)析 88. HDP大數(shù)據(jù)平臺方索制析 89. 大數(shù)貼解決方室與傳統(tǒng)致眍庫方家比較
	大數(shù)據(jù)計算模型（一）批處理 MapReduce	90. MapReduce產(chǎn)生背景與適用場景 91. MapReduce 計算模型的基本原理 92. MapReduce作業(yè)執(zhí)行流程 93. MapReduce基本姐件，Jobtracker和Tasktracker 94. MapReduce高級編程應(yīng)用，Combiner和Partitioner 95. MapReduce性能優(yōu)化技巧 96. MapReduce室例分析與開發(fā)實踐操作
	大數(shù)據(jù)存儲系統(tǒng) 與應(yīng)用實踐	97.分布式文件系統(tǒng)HDFS 產(chǎn)生背景與適用場景 98. HDFS master-slave 系統(tǒng)架構(gòu)與工作原理 99. HDFS核心組件技術(shù)講解 100. HDFS 高可用保證機制 101. HDFS 集群的安裝，部零與配置，熟練HDFS shell 命令操作 102. 分布式小文件存儲系統(tǒng)的平臺深構(gòu)、核心技術(shù)與應(yīng)用場景 103. 分布式對象存儲系統(tǒng)的平臺架構(gòu)、核心技術(shù)與應(yīng)用場景
	Hadoop框架與生態(tài)發(fā)展及應(yīng)用實踐操作	104. Hadoop的發(fā)展歷程 105. Hadoop 大數(shù)據(jù)生態(tài)國系統(tǒng)與工具全貌介紹 106. Hadoop 1. 0的核心組件與適用范圍 107. Hadoop 2. 0的核心組件YARN 工作原理，以及與Hadoop 1. 0的區(qū)別 108. Hadoop資源管理與作業(yè)調(diào)度機制 109. Hadoop 常用性能優(yōu)化技術(shù) 110. Hadoop集群安裝與部署實踐，以及MapReduce程序在YARN上執(zhí)行
第四天	大數(shù)據(jù)計算模型（二）實時處理／內(nèi)存計算Spark	111. MapReduce計算模型的瓶頸 112. Spark產(chǎn)生動機、基本概念與適用場景 113. Spark 編程模型與 RDD彈性分布式數(shù)據(jù)集的工作原理與機制 114. Spark 實時處理平臺運行架構(gòu)與核心組件 115. Spark容錯機制 116. Spark作業(yè)調(diào)度機制 117. Scala開發(fā)介紹與實踐 118. Spark 集群部署與配置實踐，Spark開發(fā)環(huán)境構(gòu)建，Spark案例程序分析，Spark程序開發(fā)與運行，Spark與Hadoop集群集成實踐
第四天	總結(jié)	學(xué)員分組交流討論