hadoop开发实战和性能调优培训
  hadoop开发实战和性能调优培训
培训大纲
课程主题
主要内容
案例和演示
Hadoop在云计算技术的作用和地位
l 传统大规模数据分析存在的问题
l Hadoop概述
l Hadoop与分布式文件系统
l Mapreduce的工作原理与机制
l Hadoop集群剖析
l Hadoop生态系统
l Hadoop的行业应用案例分析
l Hadoop在云计算和大数据的位置和关系
² 阿里集团技术平台，Hadoop在淘宝、支付宝的作用
² 电商眼中的Hadoop和推荐系统
² 暴风数据平台：Hadoop对于产品优化的价值
² Hadoop对于趣游、热酷等游戏公司的作用
² 移动大云项目（big cloud）中的hadoop
² 联通使用Hadoop/Hbase解决3G详单查询问题
Hadoop参数调优
l 选择合适Hadoop的硬件配置
l Hadoop配置项优化
l Hadoop配置优化 — core-site.xml
l Hadoop配置优化 — HDFS
l Hadoop配置优化 — hdfs-site.xml
l Hadoop配置优化 — mapred-site.xml
l Hadoop配置优化 — 机架感知
l 网络带宽参数调优
l 系统参数调优
l 配置文件管理
l 严格控制root权限
l Java的GC模式
l 选择正确的JDK
l Hadoop作业调优
l Map  side  tuning设置
l  Map  side设置
l Linux 操作系统优化
l 其他配置和参数调优
l core-default.xml，
l hdfs-default.xml，
l mapred-default.xml，
l mapred-site.xml
l mapred .tasktracker .map.tasks .maximum
l mapred.reduce.slowstart.completed.maps
l mapred.fairscheduler.preemption
l mapred.jobtracker.completeuserjobs.maximum
l mapred.jobtracker.update.faulty.tracker.interval
l mapred.jobtracker.max.blacklist.percent
² hadoop硬件优化
² 不是所有的硬件都合适拿来使用
² 安装调优的第一步服务器硬件的选型的窍门
² 如何选择合适业务使用的CPU
² 内存越大越好吗？设置合理的内存配置
² 链接网络的选择和优化
² 高速硬盘的选择注意事项
² 硬盘为什么不做raid？
² 设置网络的注意事项
² 中间结果压缩对磁盘和网络的优化
² 机架感知，网络和磁盘IO优化作用，确定存储的具体位置
² 内存参数，map/reduce槽位数的计算方法
² 对磁盘和网络的优化
² Java工具使用，jstack使用
² Sun和open之间的区别，JIT编译的使用
² Linux系统参数调优
² Linux监控系统的使用
² Cacti
² Ganglia
² 常用的linux排错工具l sof，strace，iostat，vmstat，n etstat…
² 常见异常现象级处理方法
² 网卡流量导致连接失败
² 权限错误
² 主机名IP转换错误
² NN与DN  namespace ID不一致
² 磁盘满导致报错
² Java heap size oom
精彩案例及故障解决方法解析
² 案例一：namenode 被重新格式化，datanode无法连接
n 现象：namenode 中的namespac  ID 与datanode中的namespace ID不一致
² 案例二：硬盘损坏
n 现象：磁盘损坏导致datanode宕机
² 案例三： 错误用户启动hadoop
n 现象：datanode启动一段时间后宕机
² 案例四：tasktracker重启后假死
n 现象：无报错，但tasktracker不工作
² 案例五：jobtracker无故宕机
n 现象：运行过程中，jobtracker宕机
² 案例六：datanode无法注册到namenode
n 现象：datanode启动后到mbean这步挂起不再继续
² 案例七：tasktracker无法启动，报权限错误
n 现象：tasktracker报文件夹创建的权限错误后直接退出
² 案例八：主机名设置错误
n 现象：datanode和tasktrcker无法正常工作
Hadoop组件详解
l Hadoop HDFS基本结构
l Hadoop HDFS 副本存放策略
l Hadoop nameNode 详解
l Hadoop Sedary namenode 详解
l Hadoop DataNode 详解
l Hadoop JobTracker 详解
l Hadoop TaskTracker 详解
² Hadoop Mapper 类核心代码
² Hadoop Reduce 类核心代码
² Hadoop 核心代码
Hadoop安装和部署
l Hadoop 系统模块组件概述
l Hadoop 实验集群的部署结构
l Hadoop 安装依赖关系
l Hadoop 生产环境的部署结构
l Hadoop 集群部署
l Hadoop 高可用配置方法
l Hadoop集群简单测试方法
l Hadoop 集群异常Debug 方法
² Hadoop安装部署实验
² Red hat Linux 基础环境搭建
² Hadoop 机群系统版本安装和启动配置
² 使用Hadoop MapReduce Streaming 快速测试系统
² Hadoopcore-site，hdfs-site，mapred-site配置详解
Hadoop和传统数据库技术优劣势对比
l Hadoop/Hive对比Oracle在构建数据仓库上的优劣势
l Hadoop如何和传统IT系统配合完成原来不可能的任务
² Apache社区版本：Cloudera 版本、MapR版本、Intel版本、Oracle、Dell、HP版本
编写MapReduce高级程序
l 使用Hadoop MapReduce Streaming编程
l MapReduce 流程
l 剖析一个MapReduce程序
l 基本MapReduceAPI概念
l 驱动代码Mapper、reducer
l Hadoop 流
l API使用Eclipse进行快速开发
l 新MapReduce  API
l MapReduce的优化
l MapReduce的任务调度
l MapReduce编程实战
l 如何利用其他Hadoop相关技术，包括Apache Hive，Apache Pig，Sqoop和Oozie等
l 满足解决实际数据分析问题的高级Hadoop API
² Hadoop Streaming和Java MapReduce差异
² MapReduce实现数据库功能
² 利用Combiners来减少中间数据
² 编写Partitioner来优化负载平衡
² 直接访问Hadoop的join操作
² 辅助排序在Reducer方的合并
² 定制Writables和WritableComparables
² 使用SequenceFiles和Avro文件保存二进制数据
² 创建InputFormats OutputFormats
² Hadoop的二次排序
² Hadoop的海量日志分析
² 在Map方的合并
精彩案例及故障解决方法解析
² 案例1：控制Map & reduce 个数
n 现象：map个数取决于split个数，如果源文件使用压缩存储，则不可分割，一个文件一个map。非压缩文件使用默认block.size进行切分。对reduce因为是中间数据，可以控制reduce数量。
² 案例2：压缩中间数据
n 现象：job中间临时数据量极大、网络IO吞吐量大。
² 案例3：编程细节，内存溢出
n 现象：编程过程中，经常遇到list 、map、倒排表等大对象，如果作为局部变量，每次调用map或者reduce方法都初始化这些变量，很容易消耗掉JVM堆内存，出现内存溢出异常。
² 案例4：编程细节，计数&日志打印
n 现象：System. Out. Println,  System. Err. Println等日志打印过多会严重影响job性能，counter计数也会存在同样的问题，同时也会造成本地磁盘使用量的急剧增长。
² 案例5：作业调度
n 现象：集群上的job非常多时，会出现一些job一直等待，很长一段时间内没有开始运行。默认的任务调度器FIFO并不能满足实际工作应用。
² 案例6：Combiner优化
n 现象：map输出数据量非常大，reduce  input  group远小于reduce  input  group时，存在大量的网络IO，这些IO中的一部分数据可以在本地做完合并，然后再进行reduce操作。
使用Hive和Pig开发及技巧
l Hive和Pig基础
l Hive的作用和原理说明
l Hadoop/Hive仓库数据数据流
l Hive部署和安装
l Hive  Cli的基本用法
l HQL基本语法
l 使用Oozie的动机
l Oozie工作流定义格式
² 使用JDBC连接Hive进行查询和分析
² 使用正则表达式加载数据
² HQL高级语法
² 编写UDF函数
² 编写UDAF自定义函数
² 使用Sqoop进行数据分析
² 使用Oozie配置工作流
² phpHiveAdmin安装和使用