课程目录

• 01_第一阶段 linux和高并发
• 01_linux操作系统
• 01_linux虚拟机安装
• 02_linux网络配置
• 03_linux简单命令1
• 04_linux简单命令2
• 05_linux文件系统1
• 06_linux文件系统2
• 02_linux基本命令
• 07_linux文件系统命令1
• 08_linux文件系统命令2
• 09_linux文本操作命令
• 10_vi全屏编辑器1
• 11_vi全屏编辑器2
• 12_vi全屏编辑器3
• 13_正则表达式1
• 14_正则表达式2
• 15_文本分析-cut-sort-wc
• 16_文本分析-sed1
• 17_文本分析-sed2
• 18_文本分析-awk1
• 19_文本分析-awk2
• 20_linux用户与权限1
• 21_linux用户与权限2
• 03_linux软件安装
• 22_linux编译安装1
• 23_linux编译安装2
• 24_rpm软件安装
• 25_yum安装及配置1
• 26_yum安装及配置2
• 04_shell编程
• 27_bash
• 28_文本流及重定向1
• 29-文本流及重定向2
• 30-shell-变量1
• 31_shell-变量2
• 32_shell-引用-逻辑判断
• 33_shell-添加用户脚本
• 34_shell-添加用户脚本完善
• 35_shell-流程控制
• 36_shell-总结
• 05_网络基础知识
• 22_高并发与负载均衡-理论推导
• 23_高并发与负载均衡-网络TCP-IP基础知识
• 06_lvs集群和高并发
• 24_高并发与负载均衡-lvs-3种模型推导
• 25_高并发与负载均衡-lvs-功能配置介绍
• 26_高并发与负载均衡-lvs-DR模型试验
• 07_nginx集群和高并发
• 29_高并发与负载均衡-nginx-反向代理概念
• 30_高并发与负载均衡-nginx-安装-配置
• 31_高并发与负载均衡-nginx-配置-虚拟服务器-location
• 32_高并发与负载均衡-nginx-session一致性
• 08_keepalived和单点故障
• 27_高并发与负载均衡-keepalived-概念介绍
• 28_高并发与负载均衡-keepalived-实验
• 02_第二阶段 hadoop体系之离线计算
• 01-hdfs分布式文件系统
• 01hadoop简介
• 02存储模型
• 03副本放置策略
• 04架构模型
• 05hadoop3.0开篇介绍
• 06hadoop3的新特性
• 07伪分布式安装1
• 08伪分布式安装2
• 09伪分布安装3
• 10配置全分布hadoop3.1
• 11启动全分布hadoop3.0
• 12联邦federation1
• 13联邦federation2
• 14ha高可用搭建1
• 15ha高可用搭建2
• 16ha高可用搭建3
• 17ha高可用搭建4
• 18ha高可用搭建5_zk_安装
• 19ha高可用搭建6_zk_运行
• 20ha高可用搭建7_namenode同步透穿
• 21ha高可用搭建8_zk格式化、启动ha及测试
• 22-hadoop-hdfs-API
• 02-mapreduce分布式计算
• 01-hadoop-mapreduce-架构概念01
• 02-hadoop-mapreduce-架构概念02
• 03-YARN-资源管理和任务调度
• 01-hadoop-yarn-概念
• 02-hadoop-mapreduce-wordcount-api
• 03-hadoop-mapreduce-源码-client
• 04-hadoop-mapreduce-源码-map-input
• 05-hadoop-mapreduce-源码-map-output
• 06-hadoop-mapreduce-源码-reduce
• 04-MAPREDUCE 案例
• 01-hadoop-mapreduce-案例-天气01
• 02-hadoop-mapreduce-案例-天气02
• 03-hadoop-mapreduce-案例-好友推荐
• 04-hadoop-mapreduce-案例-pagerank01
• 05-hadoop-mapreduce-案例-pagerank02
• 06-hadoop-mapreduce-案例-tfidf01
• 07-hadoop-mapreduce-案例-tfidf02
• 08-hadoop-mapreduce-案例-itemcf
• 05-hive
• 01_hive介绍及架构设计
• 02_hive搭建
• 03_hiveSQL
• 04_hive分区
• 05_hive分区2
• 06_serde,beeline,jdbc
• 07_hive函数_总结
• 08_hive作业讲解
• 09_hbaseprotobuf讲解
• 09_hive参数_动态分区
• 10_hive_分桶
• 11_hive_view_index
• 12_hive_运行方式_授权
• 13_hive优化总结
• 06-hbase数据库
• 01_hbase简介及数据模型
• 02_hbase架构设计
• 03_hbase伪分布式搭建
• 04_hbase完全分布式搭建
• 05_hbase_java_api
• 06_hbase_java_api2
• 07_hbase案例
• 08_hbase微博案例
• 09_hbaseprotobuf讲解
• 10_hbase_protobuf使用
• 11_hbase优化
• 12_hbase_mr_wc
• 07-ZOOKEEPER 协同处理
• 01elasticsearch-基于lucene原理
• 01zookeeper集群搭建及原理
• 02zookeeper的paxos实现选举
• 03zookeeper开发实例
• 08-cdh
• 01CDH-介绍
• 02CDH-环境安装
• 03CDH-CM安装
• 04CDH-CM的使用
• 09-hue
• 01-CDH-HUE的使用
• 10-Impala
• 01impala-介绍
• 02impala-使用01
• 03impala-使用02
• 11-oozie
• 01oozie-使用
• 12-EL SEARCH 搜索引擎
• 01elasticsearch-基于lucene原理
• 02elasticsearch集群搭建
• 03elasticsearch的REST风格操作
• 04elasticsearch案例之搜索引擎实现
• 13-REDIS内存数据
• 01redis介绍及数据存储架构
• 02redis编译安装及字符串类型操作
• 03redis类型list的操作
• 04redis类型hash_set_sortedset操作
• 05redis的持久化
• 06redis集群架构介绍
• 07redis伪分布及哨兵
• 08redis集群模式
• 03_第三阶段 spark体系之分布式计算
• 01_scala分布式计算机开发语言
• 01_Scala 初始
• 02_Scala 类和对象01
• 03_Scala 类和对象02
• 04_scala 函数
• 05_函数
• 06_String+集合+Trait
• 07_Match+case class+Actor+WordCount
• 02_spark-core之离线计算
• 01_Spark初始
• 02_Spark WordCount01
• 03_Spark WordCount02
• 04_Spark 核心RDD
• 05_Spark Transformation+Action算子
• 06_Spark 持久化 cache+persist+checkpoint
• 07_Spark 集群搭建+SparkPi任务
• 08_Spark复习
• 09_Spark 基于Standalone两种提交模式
• 10_Spark 基于Yarn两种提交模式
• 11_创建RDD
• 12_算子
• 13_术语解释+RDD宽窄依赖+Stage+pipeline计算模式
• 14_Spark 资源调度和任务调度
• 15_Spark资源调度和任务调度+粗粒度资源申请
• 16_Spark 算子
• 17_Spark 算子02
• 03-spark-sql
• 01-复习
• 02_Spark 初始+读取json格式的文件加载成DataFrame+读取json格式的RDD加载成DataFrame
• 03_通过反射的方式将普通RDD转换成DF
• 04_通过动态创建Schema方式加载DF+读取parquent文件加载DF+读取Mysql表加载DF
• 05_Spark on Hive配置
• 05_补充-Spark on Hive配置+读取Hive中的数据加载成DF
• 06_Spark UDF&UDAF&开窗函数
• 04_spark-stream流式计算
• 01_SparkStreaming 01
• 02_SparkStreaming02
• 03_算子UpdataStateByKey
• 04_reduceByKeyAndWindow
• 05_transformation
• 05_kafka分布式消息队列
• 01_kafka01
• 02_kafka02
• 03_复习01
• 04-SparkStreaming+kafka Receiver模式
• 05_SparkStreaming+Direct模式
• 06_SparkStreaming 使用zookeeper管理offset
• 06-STORM流式框架
• 01_ack
• 02_cmcc_project1
• 03_cmcc_project2
• 04_drpc1
• 05_drpc2
• 06_drpc3kafka
• 07_flume+kafka+storm
• 08_storm介绍
• 09_storm拓扑结构
• 10_案例单词统计
• 11_全分布与并发
• 12_事物
• 13_伪分布
• 04_第四阶段 机器学习与数据挖掘
• 01-Python语言基础
• 01_Python介绍及安装
• 02_Python基础语法
• 03_Python流程判断，循环及字符串
• 04_Python列表元组
• 05_Python函数
• 06_Python函数2及文件操作
• 07_python类和对象
• 08_Python类和对象2
• 09_Python设计模式
• 10_异常及模块操作
• 11_Python列表推导式及数据库连接
• 12_Python科学计算库numpy
• 13_Python科学计算库numpy2
• 02-回归算法
• 01_python spark 环境变量配置+wordcount
• 02_python开发spark +pv+uv
• 03_python 开发Spark 环境配置02
• 04_pythonSpark top3用户
• 05_复习+线性回归公式和确定线性回归直线
• 06_线性回归w参数确定
• 07_线性回归代码
• 08_逻辑回归算法
• 09_音乐分类01
• 10_音乐分类02
• 11_复习
• 12_道路预测思路
• 13_道路预测 准备数据集
• 14_道路预测模型训练
• 15_道路预测模型预测
• 16_数学公式+逻辑回归误差函数
• 17_逻辑回归公式损失函数推导+梯度下降
• 18_逻辑回归调优
• 19_复习
• 20_归一化数据
• 21_模型调优-均值归一化数据
• 22_混淆矩阵
• 23_ROC曲线和AUC面积
• 03-分类算法
• 01_贝叶斯公式+拉普拉斯估计
• 02_垃圾邮件分类
• 03_KNN算法
• 04_KNN手动实现
• 05_Python KNN代码实现
• 06_复习
• 07_KNN 数字识别案例
• 08_决策树
• 09_决策树
• 10_随机森林
• 04-聚类算法
• 01_K-means 算法+K-means++算法
• 02_手动代码K-means案例
• 03_python-matplotlib 检测K-means 分类效果
• 04_MLlib K-means
• 05_微博案例01
• 06_微博案例代码
• 05-推荐算法
• 推荐算法介绍
• 05_第五阶段 大数据项目实战
• 大型电商日志分析项目
• 01_项目需求分析
• 02_项目数据源分析
• 03_项目数据流图
• 04_js-sdkv
• 05_java-sdk
• 06_nginx配置
• 07_flume1
• 08_flume2
• 09_etl准备
• 10_etl清洗
• 11_项目模块分析
• 12_新用户指标map
• 13_新用户指标reduce
• 14_新用户指标runner
• 15_编写outputforma
• 16_activeuser1
• 17_activeuser2
• 18_项目调优
• 19_sqoop
• 20_hive-hbase整合
• 21_用户浏览深度模块分析
• 22_项目总结及架构设计
• 智慧交通
• 01-Spark 数据处理流程
• 02-模拟数据
• 03-将数据导入Hive
• 04-卡扣监控01
• 05_项目-卡扣流量监控02
• 06_卡扣监控代码
• 07_topN卡扣详细信息
• 08_车辆高速通过的TOPN卡扣
• 09_车辆轨迹
• 10_随机抽取车辆
• 11_随机抽取车辆02
• 12-随机抽取车辆03
• 13_卡扣流量转换率
• 14-实时统计车辆速度
• 15_动态改变广播变量
• 16_资源调优+并行度调优
• 17_代码调优
• 18_数据本地化级别
• 19_数据本地化调优+内存调优
• 20_解决数据倾斜01
• 21_解决数据倾斜02
• 22_统计区域道路车辆topN
• 23_UDAF 统计道路卡扣车辆
• 24-复习
• 智能APP推荐项目
• 01_app推荐02
• 02_推荐系统架构
• 03_推荐系统数据准备
• 04-推荐系统准备数据集
• 05-推荐系统准备数据集
• 06_dubbo服务在线推荐
• 07_推荐系统-准备数据集
• 08_推荐系统 生成训练集+模型训练
• 5_app 推荐数据ETL