關于舉辦“大數據實時處理-基于Spark的大數據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類人才培養及企業內訓的專業培訓機構。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和組織經驗的基礎上，自主研發出一整套課程體系，其目的是希望能夠切實幫助中國軟件企業培養高級軟件技術人才，提升整體研發能力，迄今為止已先后為國家培養了數萬名計算機專業人員，并先后為數千家大型國內外企業進行過專門的定制培訓服務。

隨著互聯網、移動互聯網和物聯網的發展，我們已經切實地迎來了一個大數據的時代。大數據是指無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合，對大數據的分析已經成為一個非常重要且緊迫的需求。目前對大數據的分析工具，的是Hadoop/Yarn平臺，但目前對大數據的實時分析工具，業界公認*佳為Spark。Spark是基于內存計算的大數據并行計算框架，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的生態系統，以彌補缺失MapReduce的不足，事實上已成為當前互聯網企業主流的大數據實時處理工具。為解決廣大系統設計人員深入研究與開發大數據實時處理的需要，培訓中心特舉辦“大數據實時處理-基于Spark的大數據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，系統架構師、系統分析師、高級程序員、資深開發人員。

2，牽涉到大數據處理的數據中心運行、規劃、設計負責人。

3，政府機關，金融保險、移動和互聯網等大數據來源單位的負責人。

4，高校、科研院所牽涉到大數據與分布式數據處理的項目負責人。

二、學員基礎

1，對IT系統設計有一定的理論與實踐經驗。

2，數據倉庫與數據挖掘處理有一定的基礎知識。

3，對Hadoop/Yarn/Spark大數據技術有一定的了解。

三、師資

由業界知名云計算專家親自授課：

楊老師 主要研究網絡信息分析以及云計算相關技術，長期從事數據倉庫、數據挖掘以及大數據分析技術研究，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經驗。

四、培訓要點

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

大數據通常具有：數據體量(Volume)巨大,數據類型(Variety)繁多,價值(Value)密度低,處理速度(Velocity)快等四大特征。Google發布的GFS和MapReduce等高可擴展、高性能的分布式大數據處理框架，證明了在處理海量網頁數據時該框架的優越性。在此基礎上，Apache Hadoop開源項目開發團隊，克隆并推出了Hadoop/Yarn系統。該系統已受到學術界和工業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、功能齊全、性能優良的系統。

近年來以Berkley牽頭設計的Spark/BDAS技術，實現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知識及開發經驗，即可實現大規模分布式系統的部署與大數據的并行處理。

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

課程中結合實例，介紹圖工具GraphX如何發現社交網絡中的人際關系，大數據挖掘工具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實時大數據工具來解決業界的問題，并介紹了Spark生產環境搭建的相關知識。

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實時大數據處理開發上升到一個新水平。

五、培訓內容

第一講Spark大數據實時處理技術

1）大數據處理技術

2）Spark實時處理技術

3）Spark生態系統BDAS

4）Spark架構分析

第二講 Spark安裝配置及監控

1）Ubuntu環境的準備

2）Ha*****.X和Scala

3）搭建Spark開發環境

4）Idea編譯和運行

5）Spark監控管理

第三講 Scala編程語言使用概述

1) Scala編程語言

2) 基本數據類型

3) 操作基本數據類型

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）彈性分布式數據集RDD

3）Spark的數據存儲

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底層實現原理

2) Spark應用執行機制

3) Spark調度與任務分配模塊

4) FIFO和FAIR調度算法

第六講 Spark數據讀取與存儲

1）Spark的I/O機制

2）Spark中的數據壓縮

3）Spark的數據讀取與存儲

4）Spark數據讀寫流程

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數據分析軟件棧

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中的數據

第九講 Spark流數據處理工具Streaming

1）流數據處理工具Streaming

2） Spark Streaming架構

3） Spark Streaming原理

4） Spark Streaming實例

第十講Spark中的大數據挖掘工具MLlib

1）大數據挖掘工具MLlib

2）MLlib的數據存儲

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大規模圖處理工具GraphX

1）大規模圖處理工具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與其他大數據技術的融合與應用

1）與Hadoop/Yarn集群應用的協作

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，全面了解大數據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在大數據實時處理中的使用。

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，頒發中科院計算所職業培訓中心“大數據實時處理-基于Spark的大數據實時處理及應用技術”結業證書。

九、費 用

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