〖课程介绍〗:
-
从企业需求入手，构建集数据采集、数据存储、数据处理与分析、BI应用、权限管理、系统监控等于一体的大数据应用平台，帮助我们快速掌握大数据平台开发技术，迅速建立大数据技术的宏观的认识。
-
〖课程目录〗:
-
第1章 课程导学与学习指南 3 节 | 12分钟
-
本章中将向大家介绍课程能学到什么、解决什么实际问题、项目成果展示，课程整体安排以及如何学习更高效。
-
视频：1-1 导学【课程背景、项目速览】 (11:53)
-
图文：1-2 怎么更好的使用慕课平台
-
图文：1-3 你真的会问问题吗？
-
第2章 认识企业中的大数据平台6 节 | 32分钟
-
为什么要有大数据平台？大数据平台究竟是为了解决什么问题产生的？如何判断一个大数据平台的好坏？在设计一个数据平台时，需要注意哪些，有什么步骤。各大企业现有的解决方案有哪些，常见的技术栈有哪些，我们自己设计的这个通用的大数据平台是什么结构。…
-
视频：2-1 课程简介与学习建议 (07:32)
-
视频：2-2 什么是大数据平台 (05:34)
-
作业：2-3 【讨论题】怎样入门大数据？
-
视频：2-4 为什么要建设大数据平台【三个解决、两个提升】 (05:57)
-
视频：2-5 大数据平台常用技术栈有哪些【知识体系梳理、我们要用哪些】 (04:28)
-
视频：2-6 各大企业大数据平台对比【作业：画出我们的平台架构和这些对比一下】 (07:54)
-
第3章 大数据平台 —— 数据仓库之离线&实时 16 节 | 116分钟
-
你真的理解数据仓库是什么吗？数据仓库如何进行分层，为什么要分层呢？分层一定好吗？带你理解数据仓库，逐步掌握离线数仓工具Hive。对比离线数仓和实时数仓，了解实时数仓常见架构。
-
视频：3-1 数据仓库VS数据库 (10:11)
-
视频：3-2 数据仓库分层建设 (08:52)
-
视频：3-3 Hive是什么【上期思考揭秘：分层的弊端，如何解决】 (06:40)
-
视频：3-4 Hive安装部署【课下任务：预习Hive和Mysql的区别，Hive都有哪些表？】 (09:52)
-
图文：3-5 【实操手册】Hive安装部署
-
视频：3-6 Hive基本使用（上）Hive数据类型/分区/基础语法 (10:37)
-
视频：3-7 Hive基本使用（中）内部表/外部表/分区表/分桶表 (11:44)
-
视频：3-8 Hive基本使用（下）内置函数/自定义函数/实现UDF (10:55)
-
图文：3-9 【作业解答】Hive自定义函数注册
-
视频：3-10 Hive存储结构 ORCFile (10:38)
-
图文：3-11 【梳理】Hive知识梳理总结
-
视频：3-12 Hive常见面试题 (13:45)
-
视频：3-13 离线数仓VS实时数仓 (05:23)
-
视频：3-14 图解Lambda架构数据流程 (06:46)
-
视频：3-15 Kappa 架构 VS Lambda (04:36)
-
视频：3-16 主流大公司的实时数仓架构 (05:43)
-
第4章 大数据平台——数据仓库之权限管理 18 节 | 155分钟
-
解决三大问题：数仓安全问题，对比常见权限认证框架，使用Ranger开发数仓权限模块；数据来源问题，对常用数据采集工具进行介绍，使用DataX进行数据采集；数仓管理问题，介绍数据治理的概念及ApacheAtlas
-
视频：4-1 权限管理（上）Hadoop/Hive自带权限控制 (05:55)
-
视频：4-2 权限管理（下）实操Hive的权限操作 (12:46)
-
视频：4-3 Kerberos认证简介【对称/非对称加密、数字证书、图解Kerberos流程】 (10:44)
-
视频：4-4 Apache Ranger简介【图解Ranger架构、Ranger管理HDFS、Hive、Yarn举例】 (08:54)
-
作业：4-5 【讨论题】数据安全问题
-
视频：4-6 Apache Rangr安装 (06:13)
-
视频：4-7 Ranger HDFS Plugin安装 (09:46)
-
视频：4-8 Ranger Hive Plugin安装 (05:31)
-
图文：4-9 【实操手册】Apache Ranger安装部署
-
视频：4-10 Ranger Api Java开发之User管理 (22:54)
-
视频：4-11 Ranger Api Java开发之Policy管理 (15:10)
-
视频：4-12 数据采集介绍【图解数据采集流程】 (04:14)
-
视频：4-13 常用数据采集工具【图解Sqoop、Flume、DataX】 (08:36)
-
视频：4-14 Datax数据采集实战 (18:11)
-
图文：4-15 【作业解答】Datax完成数据的导入导出
-
视频：4-16 数据治理简介【要解决的问题、元数据、数据血缘】 (06:58)
-
视频：4-17 Apache Atlas数据治理【图解Atlas架构】 (07:46)
-
视频：4-18 数据仓库常见面试题 (10:43)
-
第5章 大数据平台 —— 调度系统10 节 | 87分钟
-
解决离线批处理任务的定时执行问题，对主流调度框架Azkaban进行架构介绍、特性讲解和部署应用。通过Java程序调用Azkaban相关接口，实现创建任务、调度任务功能，实现API接口封装
-
视频：5-1 我们需要一个调度系统【任务处理现状、调度系统通用功能】 (07:49)
-
视频：5-2 Azkaban介绍【常用开源调度框架对比】 (06:03)
-
视频：5-3 Azkaban架构与调度流程【图解核心交互流程】 (06:56)
-
视频：5-4 Azkaban安装部署 (11:34)
-
视频：5-5 提交Azkaban任务 (10:43)
-
图文：5-6 【实操手册】Azkaban安装部署及基础使用
-
视频：5-7 Azkaban用户代理 (10:50)
-
视频：5-8 Java程序操作Azkaban Api (上) (14:17)
-
视频：5-9 Java程序操作Azkaban Api（下） (10:30)
-
视频：5-10 调度系统相关面试指导 (07:21)
-
第6章 大数据平台 —— 计算引擎15 节 | 117分钟
-
平台的计算引擎是基于Spark构建的，依托了Yarn进行资源调度。本章从Spark架构、核心介绍及部署开始，进行Spark部分开发。之后接入Spark SQL模块。最后介绍了Spark的一些高阶调优技巧。
-
视频：6-1 Spark简介【Hadoop VS Spark、图解Spark生态】 (08:58)
-
视频：6-2 Spark架构及执行流程【根据图解了解Spark名词】 (11:24)
-
视频：6-3 RDD简介及特性【图解WordCount示例中RDD如何转换】 (08:08)
-
视频：6-4 RDD依赖关系【图解Stage划分】 (06:25)
-
视频：6-5 Spark三种部署模式实战 (12:54)
-
图文：6-6 【实操手册】Spark三种部署模式及基本操作
-
视频：6-7 Spark程序开发 (13:40)
-
视频：6-8 SparkSQL简介【RDD VS DataFrame】 (06:45)
-
视频：6-9 SparkSQL程序开发 (10:59)
-
视频：6-10 Spark 自定义UDF开发 (05:08)
-
视频：6-11 Spark程序开发原则与基础优化【常见调优策略、持久化级别】 (11:30)
-
视频：6-12 Spark 数据倾斜调优 (07:32)
-
图文：6-13 【实操手册】Zeppelin安装与使用
-
视频：6-14 Spark面试题答疑 (13:09)
-
作业：6-15 【面试题】你遇到过哪些记忆深刻的大数据面试题
-
第7章 大数据平台建设 —— SQL查询引擎11 节 | 90分钟
-
介绍SQL On Hadoop 方案。对Presto架构和应用做了一些介绍，利用Presto作为底层的SQL查询引擎，实现快速查询和多数据源查询。涉及Presto的配置优化，自定义函数、EventListener、以及通用UDF的开发，最后完成Presto On Yarn部署
-
视频：7-1 大数据查询引擎Presto简介【作业：了解其他的SQL on Hadoop方案】 (08:07)
-
作业：7-2 【讨论题】大数据就是做一个SQL Boy吗
-
视频：7-3 Presto架构与执行流程 (09:13)
-
视频：7-4 Presto安装部署 (08:10)
-
视频：7-5 通过Jdbc操作Presto (09:40)
-
视频：7-6 Presto UDF开发（上） (11:16)
-
视频：7-7 Presto UDF开发（下） (08:58)
-
视频：7-8 Presto EventListener开发 (15:22)
-
图文：7-9 【实操手册】Presto on Yarn
-
视频：7-10 Presto配置优化 (12:06)
-
视频：7-11 Presto章节小结 (06:58)
-
第8章 大数据平台建设 —— 监控预警14 节 | 92分钟
-
集群监控能提高资源利用率，有效管理整个集群，本章对常见集群的预警方案做了介绍和应用，最后通过Ganafa展示项目监控数据
-
视频：8-1 监控系统介绍 (03:45)
-
作业：8-2 【讨论题】经常需要值班的大数据开发人员如何提高幸福感？
-
视频：8-3 常用开源监控项目对比【Zabbix VS OpenFalcon VS Prometheus】 (09:12)
-
视频：8-4 OpenFalcon各个组件介绍 (05:48)
-
视频：8-5 OpenFalcon单机版部署 (14:17)
-
图文：8-6 【实战手册】OpenFalcon 安装
-
视频：8-7 OpenFalcon基本使用 (15:33)
-
视频：8-8 OpenFalcon邮件网关安装 (05:34)
-
视频：8-9 实现OpenFalcon对Hadoop服务状态报警 (07:47)
-
视频：8-10 自定义Plugin开发 (12:28)
-
视频：8-11 Push数据脚本开发 (04:19)
-
图文：8-12 【实操手册】Grafana安装并使用OpenFalcon数据源
-
视频：8-13 Grafana监控大盘配置 (07:30)
-
视频：8-14 监控系统 章节小结 (05:08)
-
第9章 大数据平台建设 —— 管理整合、任务定制21 节 | 173分钟
-
整合前面章节中开发的数仓管理功能，整合数仓权限、数据治理和数据采集，通过界面化配置实现数据采集任务定制。实现任务调度功能，实现shell命令、JAVA程序、python程序、Spark程序的运行和管理
-
视频：9-1 Naga数据平台介绍 (09:02)
-
视频：9-2 Naga大数据平台功能介绍 (07:13)
-
视频：9-3 Naga 开发工具及基本类介绍 (13:08)
-
视频：9-4 集群概览模块实体类开发 (15:17)
-
视频：9-5 集群概览模块核心功能开发 (12:09)
-
视频：9-6 集群概览接口开发及测试 (05:54)
-
视频：9-7 业务线Entity开发 (10:25)
-
视频：9-8 Hadoop及Hive Client开发 (11:06)
-
视频：9-9 业务线Controller开发 (09:05)
-
视频：9-10 任务管理模块介绍 (10:25)
-
视频：9-11 插件抽象及解析代码开发 (12:27)
-
视频：9-12 插件接口及测试 (07:11)
-
视频：9-13 任务流程实体类开发 (04:09)
-
视频：9-14 创建流程及提交流程开发 (09:43)
-
图文：9-15 【实操手册】生成azkaban job文件
-
视频：9-16 插件参数及变量介绍 (08:57)
-
视频：9-17 引用参数解析方法开发 (08:00)
-
视频：9-18 插件SDK模块开发 (08:58)
-
视频：9-19 Java插件开发示例 (05:54)
-
视频：9-20 Spark插件开发示例 (03:24)
-
图文：9-21 【实操手册】Naga Plugin python SDK开发
-
第10章 系统集成及可视化23 节 | 108分钟
-
实现多引擎的数据查询及可视化模块，生成图表进行展示。将前面的数据仓库、调度系统、SQL引擎、计算引擎、预警监控系统、元数据管理系统等等，如何将他们集成到一起构建大数据平台
-
视频：10-1 数据查询架构介绍 (04:22)
-
视频：10-2 QueryObject开发 (04:48)
-
图文：10-3 【实操手册】Java DataFrame设计
-
视频：10-4 DataFrame Wrapper开发 (07:03)
-
视频：10-5 数据查询缓存 (04:59)
-
视频：10-6 数据查询接口开发 (07:36)
-
视频：10-7 数据可视化模块介绍 (04:40)
-
视频：10-8 多种图表setting抽象 (10:06)
-
视频：10-9 图表数据查询类 (08:31)
-
视频：10-10 可视化接口开发及测试 (03:46)
-
视频：10-11 Naga平台用户模型介绍 (04:35)
-
视频：10-12 用户登录认证功能 (09:02)
-
视频：10-13 用户权限认证功能 (03:56)
-
视频：10-14 审计日志功能 (05:38)
-
图文：10-15 【梳理介绍】 Naga大数据平台前端框架介绍
-
视频：10-16 前端开发框架运行 (06:35)
-
视频：10-17 前端开发及前后端联调实现 (08:55)
-
图文：10-18 【实操手册】业务线管理前端开发
-
图文：10-19 【实操手册】数据查询功能界面开发
-
图文：10-20 【实操手册】可视化图表界面开发
-
图文：10-21 【梳理总结】前端开发过程中常见问题
-
图文：10-22 【彩蛋加餐】Naga 数据平台操作手册
-
视频：10-23 课程总结 (13:16)
有需要联系v；加客服窗口的联系方式
摘要：本文旨在探讨如何利用JAVA语言和热门框架，结合企业级思维，开发出通用且性能强大的大数据平台。文章从框架选择、技术选型、架构设计以及性能优化四个方面进行详细阐述，为大数据平台开发提供有益的参考。
1、框架选择
在JAVA领域，众多热门框架如Spring Boot、MyBatis、Hibernate等，为大数据平台开发提供了丰富的选择。选择合适的框架对于提高开发效率、降低开发成本至关重要。
首先，Spring Boot框架以其简洁的配置、丰富的组件和良好的生态，成为Java开发者的首选。其次，MyBatis和Hibernate框架在持久层开发中具有显著优势，能够有效提高开发效率。
此外，针对大数据平台的特点，还可以考虑使用Apache Kafka、Apache Flink等框架，以满足实时数据处理的需求。
2、技术选型
技术选型是大数据平台开发的关键环节，合理的技术选型能够确保平台的稳定性和可扩展性。
在数据库方面，可以选择MySQL、Oracle等关系型数据库，或MongoDB、Cassandra等NoSQL数据库，以满足不同场景下的数据存储需求。
在计算框架方面，Hadoop、Spark等框架在分布式计算领域具有广泛应用，能够有效处理大规模数据。
此外，针对大数据平台的实时性需求，还可以考虑使用Apache Kafka、Apache Flink等框架。
3、架构设计
架构设计是大数据平台开发的核心环节，合理的架构设计能够确保平台的稳定、高效、可扩展。
在架构设计方面，可以采用分层架构，将大数据平台分为数据采集、数据存储、数据处理、数据分析和数据可视化等层次。
数据采集层负责从各种数据源获取数据，数据存储层负责存储和管理数据，数据处理层负责对数据进行处理和分析，数据分析层负责对数据进行挖掘和可视化，数据可视化层负责将数据以图形化方式展示给用户。
此外，还可以采用微服务架构，将大数据平台拆分为多个独立的服务，以提高平台的可扩展性和可维护性。
4、性能优化
性能优化是大数据平台开发的重要环节，合理的性能优化能够提高平台的运行效率，降低资源消耗。
在性能优化方面，可以从以下几个方面入手：
1. 数据库优化：通过索引优化、查询优化等方式提高数据库性能。
2. 网络优化：优化网络配置，提高数据传输效率。
3. 硬件优化：提高服务器性能，如增加内存、CPU等。
4. 软件优化：优化代码，减少资源消耗。
总结：
本文从框架选择、技术选型、架构设计以及性能优化四个方面，详细阐述了如何利用JAVA语言和热门框架，结合企业级思维，开发出通用且性能强大的大数据平台。通过本文的介绍，读者可以更好地了解大数据平台开发的相关知识，为实际项目提供有益的参考。
本文由nayona.cn整理
联系我们
关注公众号
微信扫一扫
支付宝扫一扫
