培训对象： 数据开发工程师、后端开发工程师（数据方向）、数据平台工程师。
培训目标：
构建全栈视角： 全面了解数据从产生、集成、处理、存储到服务和应用的全链路技术栈。
掌握数据集成技术： 学习使用DataX、Flume、Canal等工具进行离线与实时数据同步。
精通数据处理框架： 熟练使用Spark或Flink进行离线批处理和实时流处理开发。
构建数据服务接口： 学习如何将数据封装成API，高效地支撑业务应用和数据产品的开发。
培训内容介绍：
一、数据开发生态全景图： 介绍现代数据技术栈的各个层次（数据集成、存储、计算、调度、服务、可视化）。
二、离线数据集成实战： 使用DataX/Sqoop实现关系型数据库与Hive/HDFS之间的高效数据同步。
三、实时数据采集实战： 搭建Canal监听MySQL binlog，使用Flume/Kafka进行日志采集，构建实时数据通道。
四、消息队列Kafka深度实践： Kafka核心概念、生产者和消费者API、主题分区、消息可靠性与 Exactly-Once 语义。
五、大数据计算框架（一）- Spark基础： Spark Core、Spark SQL架构与编程模型，RDD/DataFrame/Dataset API使用。
六、大数据计算框架（二）- Spark实战： 开发Spark离线ETL任务，处理复杂业务逻辑，进行性能调优。
七、实时流处理（一）- Flink基础： Flink架构、事件时间处理、状态管理与容错机制。
八、实时流处理（二）- Flink实战： 开发Flink实时统计应用（如PV/UV、订单统计），实现实时大屏。
九、任务调度系统： 使用Azkaban/Airflow/DolphinScheduler编排和管理复杂的数据任务工作流。
十、数据服务平台建设： 学习如何将计算好的数据结果集存储到高性能数据库（如ClickHouse、Doris），并对外提供API服务。
十一、数据服务API开发实战： 使用Java/Go语言开发RESTful API，封装数据查询逻辑，供前端或业务系统调用。
十二、数据应用开发实战： 整合数据平台能力，开发一个端到端的数据应用，如“用户行为分析平台”或“实时风控仪表盘”。
