آموزش هدوپ (2020)

مدرس Lynn Langit

انتشار 2020/03/19

مدت زمان 4h 6m

سطح مبتدی

فایل تمرینی دارد

آموزش Learning Hadoop (2020)

Hadoop هنگام پردازش کلان داده ضروری است - همانطور که سرورها برای ذخیره اطلاعات شما لازم است. این دوره مقدمه ای برای Hadoop است. فایل سیستم های کلیدی مورد استفاده با Hadoop. موتور پردازش آن، MapReduce، و بسیاری از کتابخانه ها و ابزارهای برنامه نویسی آن. توسعه‌دهنده و مشاور داده‌های بزرگ Lynn Langit نحوه راه‌اندازی یک محیط توسعه Hadoop، اجرای و بهینه‌سازی مشاغل MapReduce، کد پرس‌وجوهای اساسی با Hive و Pig، و ایجاد گردش‌های کاری برای زمان‌بندی کارها را نشان می‌دهد. به‌علاوه، درباره عمق و وسعت کتابخانه‌های Apache Spark موجود برای استفاده با خوشه Hadoop و همچنین گزینه‌هایی برای اجرای کارهای یادگیری ماشین در خوشه Hadoop اطلاعات کسب کنید.

Database Administration Database Development Hadoop Hadoop Administration MapReduce

Introduction

Getting started with Hadoop ()

What you should know before watching this course ()

Using cloud services ()

1. Why Change?

Limits of relational database management systems ()

Introducing CAP (consistency, availability, partitioning) ()

Understanding big data ()

2. What Is Hadoop?

Introducing Hadoop ()

Understanding Hadoop distributions ()

Understanding the difference between HBase and Hadoop ()

Exploring the future of Hadoop ()

3. Understanding Hadoop Core Components

Understanding Java Virtual Machines (JVMs) ()

Exploring HDFS and other file systems ()

Introducing Hadoop cluster components ()

Introducing Hadoop Spark ()

Exploring the Apache and Cloudera Hadoop distributions ()

Using the public cloud to host Hadoop: AWS or GCP ()

4. Setting up Hadoop Development Environment

Understanding the parts and pieces ()

Hosting Hadoop locally with the Cloudera developer distribution ()

Setting up the Cloudera Hadoop developer virtual machine ()

Adding Hadoop libraries to your test environment ()

Picking your programming language and IDE ()

Use GCP Dataproc for development ()

5. Understanding MapReduce 1.0

Understanding MapReduce 1.0 ()

Exploring the components of a MapReduce job ()

Working with the Hadoop file system ()

Running a MapReduce job using the console ()

Reviewing the code for a MapReduce WordCount job ()

Running and tracking Hadoop jobs ()

6. Tuning MapReduce

Tuning by physical methods ()

Tuning a Mapper ()

Tuning a Reducer ()

Using a cache for lookups ()

7. Understanding MapReduce 2.0/YARN

Understanding MapReduce 2.0 ()

Coding a basic WordCount in Java using MapReduce 2.0 ()

Exploring advanced WordCount in Java using MapReduce 2.0 ()

8. Understanding Hive

Introducing Hive and HBase ()

Understanding Hive ()

Revisiting WordCount using Hive ()

Understanding more about HQL query optimization ()

Using Hive in GCP Dataproc ()

9. Understanding Pig

Introducing Pig ()

Understanding Pig ()

Exploring use cases for Pig ()

Exploring Pig tools in GCP Dataproc ()

10. Understanding Workflows and Connectors

Introducing Oozie ()

Building a workflow with Oozie ()

Introducing Sqoop ()

Importing data with Sqoop ()

Introducing ZooKeeper ()

Coordinating workflows with ZooKeeper ()

11. Using Spark

Introducing Apache Spark ()

Running a Spark job to calculate Pi ()

Running a Spark job in a Jupyter Notebook ()

12. Hadoop Today

Understanding machine learning options ()

Understanding data lakes ()

Visualizing Hadoop systems ()

Next Steps

Next steps with Hadoop ()

Ex_Files_Learning_Hadoop.zip (1.0 MB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.