广州大数据分析培训 广州腾科IT教育 招生简介

来看看，你拿不了高薪的原因到底是什么？

①学历一般，专科、普通本科毕业，没有研究生、博士学历 ②刚毕业没有职称经验，企业一般不招学徒 ③没有技术，学习的东西比较滞后，并且都是理论，职称用不上 ④选错行业，现在是互联网时代，IT行业是高薪行业 ⑤面试没有技巧，海投简历总算等来面试机会，却因为紧张没能拿到offer ⑥你没自己想象的重要，技术岗位一般无可代替，然后你做的是文职 ⑦工作多年，却一直薪水上不去，那你可以考虑换行了 ⑧不断的学习才能提升，技能培训相当重要

经过Cloudera公司的ApacheHadoop培训将您的知识提升到一个新的水平。

Cloudera大学提供的为期4天的数据分析培训课程专注于ApachePig、Hive和ClouderaImpala，将教会您如何将传统的数据分析和商业智能技术应用到大数据领域。Cloudera为数据专业人员提供了基于SQL和其它熟悉的脚本编程语言的工具，用来访问、操作、转换和分析复杂数据集。

学习掌握现代大数据分析工具

学员在本课程中将学习掌握以下现代大数据分析工具：

●  ApacheImpala（孵化项目）作为一个SQL运行环境提供对Hadoop里的数据进行即时交互式分析的能力。

●  ApacheHive为数据分析师、数据库管理员以及其他非Java编程人员提供了一个类-SQL的查询语言HiveQL来分析处理Hadoop数据。

●  ApachePig提供脚本编程工具来分析处理Hadoop数据。

一．培训内容

经过讲师在课堂上的讲解，以及实操练习，学员将熟悉Hadoop生态系统，学习主题包括：

●  使用Pig，Hive及Impala获取、存储及分析数据。

●  使用Hadoop工具执行基本的ETL工作（抽取－extract，转换－transform和加载－load）。

●  使用Pig、Hive及Impala改善典型分析任务的效率。

●  关联不同及丰富的数据源以获取全面和真实的商业价值。

●  对数据集进行交互式和复杂查询。

二．培训对象及学员基础

本课程是专为数据分析师、商业智能专家、开发人员、系统架构师和数据库管理员开发的。培训学员不需要具备ApacheHadoop知识。

●  需具备一定的SQL知识水平。

●  基本熟悉Linux命令行。

●  培训学员至少熟悉一种脚本语言知识（例如，Bash脚本编程、Perl、Python和Ruby）将会更有帮助，但不是必需的。

三．认证

结束本课程培训后，我们建议学员准备并注册参加ClouderaCCA数据分析师认证考试。经过并获得该证书是向公司及客户证明个人在Hadoop数据分析领域的技术和专长的有力依据。

四．课程大纲

1.  Hadoop基础知识

●  Hadoop动机

●  Hadoop概览

●  数据存储：HDFS

●  分布式数据处理：YARN、MapReduce和Spark

●  数据处理与分析：Pig、Hive和Impala

●  数据集成：Sqoop

●  其它的Hadoop数据工具

●  练习分析场景说明

2.  Pig简介

●  Pig是什么

●  Pig的特点

●  Pig使用案例

●  与Pig的交互

3.  Pig基本数据分析

●  PigLatin语法

●  加载数据

●  简单数据类型

●  字段定义

●  数据输出

●  架构查看

●  数据筛选和排序

●  常用函数

4.  使用Pig处理复杂的数据

●  数据存储格式

●  复合/嵌套数据类型

●&nnbsp; 数据分组

●  复杂数据内置函数

●  遍历分组数据

5.  Pig多数据集操作

●  数据集合并技术

●  在Pig中联接数据集

●  集合运算

●  拆分数据集

6.  Pig故障诊断和性能优化

●  Pig故障排除

●  日志

●  使用Hadoop的WebUI

●  数据采样及调试

●  性能概述

●  了解执行计划

●  提高Pig作业性能的技巧

7.  Hive和Impala简介

●  什么是Hive

●  什么是Impala

●  为什么使用Hive和Impala

●  架构和数据存储

●  Hive及Impala与传统数据库的比较

●  Hive使用案例

8.  使用Hive和Impala进行数据查询

●  数据库和表

●  基本的Hive和Impala查询语言语法

●  数据类型

●  使用Hue来执行查询

●  使用Beeline（HiveShell）

●  使用ImpalaShell

9.  Hive及Impala数据管理

●  数据存储

●  创建数据库和表

●  加载数据

●  修改数据库和表

●  使用视图简化查询

●  存储查询结果

10.  数据存储和性能

●  对表进行分区

●  分区表的数据加载

●  何时使用分区

●  文件格式的选取

●  使用Avro及Parquet文件格式

11.  使用Hive和Impala进行关系数据分析

●  连接数据集

●  常见的内置函数

●  聚合和窗口函数

12.  复杂数据类型

●  在Hive里使用复杂数据

●  在Impala里使用复杂数据

13.  使用Hive及Impala分析文本数据

●  在Hive及Impala里使用正则表达式

●  在Hive里经过SerDe加载处理文本

●  情感分析及n-gram

14.  Hive优化

●  了解查询性能

●  Bucketing（分桶）

●  索引数据

●  HiveonSpark

15.  Impala优化

●  Impala如何执行查询

●  改善Impala性能

16.  扩展Hive及Impala

●  使用SerDe加载特殊格式文件

●  经过定制脚本来转换数据

●  用户自定义函数

●  参数化查询

17.  选择zui佳工具

●  比较Pig、Hive、Impala和关系数据库该选择哪一个

18.  总结

Cloudera大数据课程体系