TipObuka u učionici
REGISTAR

Kontaktirajte nas

Polja označena zvjezdicom * su potrebni

 

veliki tečaj narudžbe za opsežne podatke

Veliki podaci Hadoop Certification tečaj i obuka

Pregled

Publika i preduvjeti

Sadržaj tečaja

Raspored i pristojbe

potvrda

Pregled velikih podataka Hadoop Certification Course

To je sveobuhvatni tečaj obuke Hadoop Big Data dizajniran od strane stručnjaka iz industrije s obzirom na trenutne zahtjeve posla u industriji kako bi se omogućilo detaljno učenje velikih podataka i Hadoop modula. To je priznata industrija tečajeva za certificiranje velikih podataka koja je kombinacija tečajeva obuke u Hadoop programeru, Hadoop administratoru, Hadoop testiranju i analitici. Ovaj Cloudera Hadoop trening će vas pripremiti za brisanje velikih certifikata.

Ciljevi

  • Master temeljima Hadoop 2.7 i YARN i pisanje aplikacija pomoću njih
  • Postavljanje Pseudo čvora i Multi čvor klastera na Amazonu EC2
  • Master HDFS, MapReduce, košnica, svinja, Oozie, Sqoop, Flume, Zookeeper, HBase
  • Saznajte Spark, Spark RDD, Graphx, MLlib pisanje Spark aplikacija
  • Master Hadoop uprave kao što je upravljanje klasterom, praćenje, administracija i rješavanje problema
  • Konfiguriranje ETL alata kao što je Pentaho / Talend za rad s MapReduceom, košnicom, svinjom i sl
  • Detaljno razumijevanje velike analize podataka
  • Hadoop testiranje aplikacija pomoću MR jedinice i drugih alata za automatizaciju.
  • Radite s Avro formatima podataka
  • Praksa projekata u stvarnom životu pomoću Hadoop i Apache Spark
  • Budite opremljeni za brisanje Big Data Hadoop certifikata.

Ciljana publika

  • Programerski programeri i administratori sustava
  • Iskusni radni profesionalci, voditelji projekata
  • Big DataHadoop Developers žele naučiti druge vertikale poput testiranja, analitike, administracije
  • Glavni profesionalci, arhitekti i stručnjaci za ispitivanje
  • Business Intelligence, skladištenje podataka i Analytics stručnjake
  • Diplomanti, studenti koji žele naučiti najnoviju tehnologiju Big Data mogu preuzeti ovaj Big Data Hadoop Certification online trening

Preduvjeti

  • Nema preduvjeta za poduzimanje ovog Big obuke podataka i za podučavanje Hadoopa. Ali osnove UNIX-a, SQL-a i Java-a bi bilo dobre. U Intellipaatu pružamo besplatan Unix i Java tečaj s našim oblicima za certificiranje velikih podataka kako bismo uklonili potrebne vještine kako bismo bili dobri prema tebi Hadoop putu učenja.

Trajanje tečaja: 2 Days

Uvod u velike podatke i Hadoop i njegov ekosustav, Map Reduce i HDFS

Što je Big Data, gdje se Hadoop uklapa u, Hadoop distribuirani datotečni sustav - Replications, Block Size, Secondary Namenode, Visoka dostupnost, Razumijevanje YARN - ResourceManager, NodeManager, Razlika između 1.x i 2.x

Instalacija i postavljanje Hadoopa

Arhitektura clustera Hadoop 2.x, Federacija i visoka dostupnost, Tipični postavljanje clustera proizvodnje, Hadoop klaster modovi, Zajedničke naredbe Hadoop Shell, Konfiguracijske datoteke Hadoop 2.x, Cloudera Klaster s jednim čvorom

Duboko zaronite u Mapreduceu

Kako funkcionira Mapreduce, kako Reducer funkcionira, kako upravljački program funkcionira, kombinira, particije, ulazne formate, izlazne formate, miješanje i sortiranje, spajanje karata, smanjenje bočnih veza, MRUnit, distribuirana predmemorija

Lab vježbe:

Rad s HDFS-om, pisanje programa WordCount, pisanje prilagođenih particija, Mapreduce s kombinatorom, pridruživanje s kartom, smanjenje pridruživanja, testiranje na jedinicama Mapreduce, izvođenje Mapreduce u LocalJobRunner modu

Rješavanje problema s grafikom

Što je graf, grafički prikaz, prvo pretraživanje algoritma, grafički prikaz karte smanjenja, kako napraviti algoritam grafikona, primjer grafičke karte smanjiti,

    Vježba 1: Vježba 2: Vježba 3:

Detaljno razumijevanje Svinje

A. Uvod u Svinje

Razumijevanje Apache Pig, značajke, različite primjene i učenje za interakciju s Pigom

B. Uvođenje Svinja za analizu podataka

Sintaksa Pig Latin, različite definicije, sortiranje i filtriranje podataka, vrste podataka, implementaciju Pig za ETL, učitavanje podataka, pregled sheme, definicije polja, funkcije koje se obično koriste.

C. svinja za složenu obradu podataka

Različite vrste podataka, uključujući ugniježđene i složene, obradu podataka s Pigom, grupiranu iteraciju podataka, praktičnu vježbu

D. Izvođenje operacija s više podataka

Priključivanje podataka, podjela skupnih podataka, različite metode za kombiniranje podataka, postavljanje operacija, vježbanje

E. Širenje svinja

Razumijevanje korisnički definiranih funkcija, izvođenje obrade podataka s drugim jezicima, uvoz i makronaredbe, korištenje streaminga i UDF-ova za proširenje Svinja, praktične vježbe

F. Poslovi za svinje

Rad s realnim skupovima podataka koji uključuju Walmart i Electronic Arts kao studiju slučaja

Detaljno razumijevanje košnice

A. Uvod u košnicu

Razumijevanje košnice, usporedba tradicionalne baze podataka s usporedbom košnica, svinja i košnice, pohranjivanje podataka u shemu košnice i košnice, interakcija košnica i različiti slučajevi korištenja košnice

B. košnica za analizu relacijskih podataka

Razumijevanje HiveQL-a, osnovne sintakse, različite tablice i baze podataka, vrste podataka, pridruživanje skupu podataka, različite ugrađene funkcije, implementiranje Hive upita na skripte, ljuske i Hue.

C. Upravljanje podacima s košnicom

Različite baze podataka, stvaranje baza podataka, formata podataka u košnici, modeliranje podataka, tablice upravljane košnicama, tablice samoupravljane, učitavanje podataka, mijenjanje baze podataka i tablica, pojednostavljenje upita sa pregledima, pohranjivanje rezultata upita, kontrola pristupa podacima, upravljanje podacima s Hive, Hive Metastore i Thrift poslužiteljem.

D. Optimizacija košnice

Učenje izvedbe upita, indeksiranje podataka, particioniranje i bucketing

E. Proširivanje košnice

Postavljanje korisnički definiranih funkcija za proširenje košnice

F. Ruke na vježbama - rad s velikim skupovima podataka i opsežnim upitom

Postavljanje košnice za ogromne količine skupova podataka i velike količine upita

G. UDF, optimizacija upita

Opsežno radeći s korisničkim definiranim uputama, učeći kako optimizirati upite, različite metode za uèinavanje uèinka.

Impala

A. Uvod u Impala

Što je Impala ?, Kako se Impala razlikuje od košnice i svinja, Kako se Impala razlikuje od relacijskih baza podataka, Ograničenja i buduće upute, Korištenje Impala Shell

B. Odabir najboljeg (košnica, svinja, impala)

C. Modeliranje i upravljanje podacima s impala i košnica

Pregled pohrane podataka, Izrada baze podataka i tablica, Učitavanje podataka u tablice, HCatalog, Caching u impala metapodataka

Dijeljenje podataka

Pregled particioniranja, particioniranje u Impali i košnici

(AVRO) Formati podataka

Odabir formata datoteke, podrška alatima za formate datoteka, Avro sheme, Korištenje Avroa s košom i Sqoop, Avro Schema Evolution, kompresija

Uvod u Hbase arhitekturu

Što je Hbase, gdje se uklapa, što je NOSQL

Apache Spark

A. Zašto iskra? Rad s Spark i Hadoop distribuiranim datotečnim sustavom

Što je Spark, usporedba između Spark i Hadoop, komponente Spark

B. Spark Components, Common Spark algoritmi - Iterativni algoritmi, analiza grafikona, učenje strojeva

Apache Spark - Uvod, dosljednost, dostupnost, particija, Unified Stack Spark, Spark Components, Scalding primjer, mahout, oluja, graf

C. Pokretanje iskre na klasteru, pisanje iskrenih aplikacija pomoću Python, Java, Scala

Objasnite primjer pitona, Pokazuje instalaciju iskra, Objasni program vozača, Objašnjava kontekst iskra s primjerom, Definirajte slabo upisanu varijablu, Kombinirajte skalu i javu bez problema, Objasnite konkurenciju i distribuciju. Objasnite što je svojstvo, Objasnite funkciju višeg reda s primjerom, Definirajte OFI planer, Prednosti iskra, Primjer Lamde pomoću iskra, Objasnite Mapreduce s primjerom

Postavljanje klastera Hadoop i pokretanje karte smanjuju radna mjesta

Postavljanje višestrukog klastera klastera pomoću Amazon ec2 - Izrada postavki klastera 4 čvora, pokretanje karata smanjenje radnih mjesta na klasteru

Veliki projekt - stavljajući sve zajedno i povezujući točkice

Stavljajući sve zajedno i Povezivanje točaka, Rad s velikim skupovima podataka, Koraci koji su uključeni u analizu velikih podataka

ETL Povezivost s Hadoop ekosustavom

Kako ETL alati rade u industriji velikih podataka, Povezivanje s HDFS-om iz ETL alata i premještanje podataka s lokalnog sustava na HDFS, Premještanje podataka s DBMS-a na HDFS, Rad s košnicama pomoću ETL alata, Izrada mapa za smanjenje posla u ETL alatu, End to End ETL PoC prikazuje veliku integraciju podataka s ETL alatom.

Konfiguracija klastera

Pregled konfiguracije i važna konfiguracijska datoteka, Parametri i vrijednosti konfiguracije, Parametri HDFS parametara MapReduce, Postavljanje Hadoop okruženja, 'Uključi' i 'Izbaci' konfiguracijske datoteke, Lab: MapReduce Tuning Performance

Administracija i održavanje

Namenode / Datanode strukture i datoteke, datotečni sustav slike i uređivanje zapisnika, Checkpoint postupak, Namenode neuspjeh i postupak oporavka, Safe Mode, metapodataka i backup podataka, potencijalni problemi i rješenja / što tražiti, dodavanje i uklanjanje čvorova, Lab: MapReduce oporavak datotečnog sustava

Praćenje i rješavanje problema

Najbolja praksa praćenja klastera, Korištenje zapisa i stanja tragova za praćenje i rješavanje problema, Korištenje open-source alata za praćenje klastera

Raspored radnih mjesta: karta smanjuje protok posla za podnošenje ponuda

Kako zakazati radne mjesta na istom skupu, FIFO Raspored, Fair Planer i njenu konfiguraciju

Postavljanje višestrukog klastera čvora i pokretanje karte Smanjite radna mjesta na Amazonu Ec2

Postavljanje višestrukog klastera klastera pomoću Amazon ec2 - Izrada postavki klastera 4 čvora, pokretanje karata smanjenje radnih mjesta na klasteru

ČUVAR ZOO VRTA

ZOOKEEPER Uvod, ZOOKEEPER primjeri korištenja, ZOOKEEPER usluge, ZOOKEEPER podatkovni model, Znodes i njegove vrste, Znodes operacije, Znodes satovi, Znodes čita i piše, Garancije usklađenosti, upravljanje klasterom, Leader izbor, Distribuirani ekskluzivni zaključavanje, Važne točke

Unaprijedite Oozie

Zašto Oozie ?, Instaliranje Oozie, Pokrenuti primjer, Oozie-workflow motor, Primjer M / R akcije, Word broj primjer, Workflow aplikacija, Workflow podnošenje, Workflow državne prijelaze, Oozie obrada posla, Oozie sigurnost, Zašto Oozie sigurnost? , Multi tenancy i skalabilnost, Vremenska linija posla Oozie, Koordinator, Skup, Slojevi apstrakcije, Arhitektura, Upotrijebi slučaj 1: aktivira vrijeme, Koristi slučaj 2: aktivira podatke i vrijeme, Koristi slučaj 3: prozor za valjanje

Advance Flume

Pregled Apache Flumea, fizički distribuiranih izvora podataka, mijenjanje strukture podataka, bliži izgled, anatomiju flume, osnovni koncepti, događaj, klijenti, agenti, izvor, kanali, sudoperi, interceptori, selektor kanala, sinkronizacijski proces, podatkovni ingest, agentni cjevovod , Razmjena transakcijskih podataka, usmjeravanje i repliciranje, zašto kanali ?, upotrijebite agregiranje slučajnih zapisa, dodavanje agensa za flume, rukovanje farmi poslužitelja, obujam podataka po agentu, primjer koji opisuje implementaciju pojedinačnog čvora

Unaprijed HUE

HUE uvod, HUE ekosustav, Što je HUE ?, HUE pravi svijet pogled, Prednosti HUE, Kako uploadati podatke u preglednik datoteka ?, Pregled sadržaja, Integriranje korisnika, Integriranje HDFS, Osnove HUE FRONTEND

Unaprijed Impala

IMPALA Pregled: Ciljevi, Pregled korisnika Impala: Pregled, Pregled korisnika Impale: SQL, Pregled korisnika Impale: Apache HBase, Impala arhitektura, Impala državna trgovina, Impala kataloga usluga, Faza izvršavanja upita, Uspoređivanje impala s košnicom

Testiranje Hadoop aplikacije

Zašto je testiranje važno, testiranje jedinica, ispitivanje integracije, testiranje performansi, dijagnostika, noćni QA test, benchmark i završni testovi, funkcionalno testiranje, izdavanje certifikacijskog testiranja, ispitivanje sigurnosti, ispitivanje skalabilnosti, puštanje u pogon i dekomisiranje ispitivanja čvorova podataka, , Otpustite testiranje

Uloga i odgovornosti Hadoop Testing Professional

Razumijevanje zahtjeva, priprema procjene testiranja, testnih slučajeva, podataka o ispitivanju, kreiranja kreveta, testiranja, izvještavanja o defektima, ponovljenog kvara, dostave izvješća o dnevnom stanju, završetka ispitivanja, ETL testiranja u svakoj fazi (HDFS, HIVE, HBASE) (logs / files / records itd.) pomoću sqoop / flume koji uključuje ali ne ograničavajući se na provjeru podataka, pomirenje, autorizaciju korisnika i provjeru autentičnosti (grupe, korisnici, privilegije i sl.), prijavite nedostatke razvojnom timu ili upravitelju i vožnji ih zatvaranje, konsolidiraju sve nedostatke i stvaraju izvještaje o kvarovima, potvrđuju nove značajke i probleme u Core Hadoopu.

Okvir koji se zove MR jedinica za testiranje programa smanjenja mape

Prijavite nedostatke razvojnom timu ili menadžeru i upućujte ih na zatvaranje, Konsolidirajte sve nedostatke i izradite izvještaje o kvarovima, odgovoran za kreiranje ispitnog okvira koji se zove MR jedinica za testiranje Map-Reduce programa.

Ispitivanje jedinica

Testiranje automatizacije pomoću OOZIE, Provjera podataka pomoću alata za pretragu.

Izvršavanje testova

Testni plan za nadogradnju HDFS-a, automatizaciju testiranja i rezultat

Plan testiranja i pisanje testnih slučajeva za testiranje Hadoop aplikacije

Kako testirati instalaciju i konfigurirati

Potpora za posao i certifikaciju

Savjeti za certifikaciju Cloudera i smjernice i pripremanje intervjua, praktični razvojni savjeti i tehnike

Molimo, pišite nam na adresu info@itstechschool.com Kontaktirajte nas na + 91-9870480053 za cijenu tečaja i troškove certifikacije, raspored i lokaciju

Pošaljite nam upit

Ovaj tečaj je osmišljen kako bi vam pomogao da očistite oboje Certifikat za Cloudera Spark i Hadoop Developer (CCA175) ispit i Cloudera ovlašteni administrator za Apache Hadoop (CCAH) ispit. Cjelokupni sadržaj tečajeva je u skladu s tim dvama certifikacijskim programima i pomaže vam da lako očistite ove certifikacijske ispite i dobijete najbolje poslove u najvišim MNC-ovima.

U okviru ovog treninga radit ćete na projektima i zadacima u stvarnom vremenu koji imaju neizmjerne implikacije u scenariju industrije stvarnog svijeta, čime vam pomaže da brzo pratite svoju karijeru bez napora.

Na kraju ovog programa izobrazbe bit će kvizovi koji savršeno odražavaju vrstu pitanja postavljenih u odgovarajućim certifikacijskim ispitima i pomažu vam postići bolje ocjene u certifikacijskom ispitu.

ITS certifikat za završetak tečaja dobit će se po završetku projekta (na stručnom pregledu) i nakon bodovanja od najmanje 60% maraka u kvizu. Intellipaatova certifikata dobro je prepoznata u vrhunskim 80 + MNC-ovima kao što su Ericsson, Cisco, Cognizant, Sony, Mu Sigma, Saint-Gobain, Standard Chartered, TCS, Genpact, Hexaware itd.

Za više informacija ljubazno Kontaktirajte nas.


Recenzije