课程介绍

本课程专门为0基础学员而设计，共包括十个大阶段，从java基础开始，内容精准聚焦大数据开发过程中必备的离线数据分析、实时数据分析和内存数据计算等重要内容；涵盖了大数据体系中几乎所有的核心技术，包含Linux、Zookeeper、Hadoop、Redis、HDFS、MapReduce、Hive、Impala、Hu

含千亿级数据实战项目！！真枪实战

课程目录

• 阶段一 : Java基础
• 编程基础
• DOS常用命令、Java概述、JDK环境安装配置、环境变量配置、Java程序入门
• 常量与变量、数据类型、运算符、流程控制语句、方法、数组
• 面向对象入门
• 面向对象思想、类与对象、成员变量和局部变量、封装、 this关键字、构造方法
• Object类、Scanner类、Random类、String、StringBuilder类
• 集合概述、集合特点、ArrayList集合
• 字符输入流、字符输出流、字符缓冲输入流、字符缓冲输出流、 复制文件、集合与文件中数据相互读写
• 市场价值 : 具备JavaSE基本开发能力，但是还不能满足企业用人需求，可为后续JavaWeb的学习打下坚实基础
• 阶段二 : JavaWeb
• Java基础增强
• 类加载器、反射、网络编程、端口和协议、TCP协议、服务端、客户端、多线程、线程和进程、线程的生命周期、线程安全、代码同步、注解、JDK常用注解、自定义注解
• Java web 核心
• HTML、CSS、JavaSript、BootStrap
• MySQL数据库、MySQL单表操作、MySQL多表操作、MySQL事物、 MySQL存储引擎、JDBC、JDBCDataSource
• Tomcat、Http协议、servlet入门、Rquest、Response、JSP、MVC、 Cookie、Session、JSP、ETLJSTL、Filter、listener
• Jquery、Ajax、ajax跨域、分页
• Maven项目构建、管理、编译、仓库配置、 Git项目管理
• 市场价值 : 具备JavaWeb开发能力，但是还不能满足企业用人需求，可为后续学习框架打下坚实基础
• 阶段三 : 主流框架
• Spring 组件
• Spring简介、Spring配置文件、Spring配置数据源 、Spring注解开发、AOP简介、AOP的实现方式、JdbcTemplate基本使用、Spring的事务控制
• SpringMVC组件
• Spring集成web开发环境、SpringMVC简介、SpringMVC组件解析、SpringMVC的数据响应、SpringMVC的请求参数绑定、SpringMVC的文件上传、SpringMVC的拦截器 、SpringMVC的异常处理
• Mybatis组件
• Mybatis快速入门、Mybatis基本增删改查操作、Mybatis核心配置文件、Mybatis的dao层实现原理、Mybatis映射文件深入-动态SQL、Mybatis核心配置文件深入、Mybatis的多表操作、Mybatis注解开发、SSM整合
• 市场价值 : 对热门的框架和SOA架构应用，便可掌握项目的构建并能够搭建企业级JavaWeb项目，为后期的项目做铺垫
• 阶段四 ： 流行框架
• Lucene组件
• 全文检索基本介绍、lucene入门案例中文分析器索引库维护
• Spring Data JPA
• JPA的引入、JPA的入门案例主键生成策略、JPA的基本操作
• Spring Boot
• spring boot 介绍、spring boot 入门、spring boot 原理分析、 spring boot 配置文件
• 市场价值 : 前后端分离开发成为企业中软件架构的新宠儿，而掌握微服务框架的使用、项目环境快速部署的人才已被互联网企业所重视。所以适应现互联网开发环境，学习微服务框架成为企业新需人才必要条件
• 阶段五 : 大数据基础增强
• linux操作基础
• 虚拟机的联网以及基础命令增强、linux的查找命令、linux的用户与用户组、linux的权限管理、linux系统服务管理、网络管理 、shell的变量定义、变量引用、算数运算符、流程控制语句、函数使用
• Jvm 优化
• 熟悉jvm 参数，visualVM 工具，垃圾回收原理， JVM字节码分析等等
• 市场价值 : 能够完成中小型企业常见的自动化脚本
• 阶段六 : 大数据Hadoop离线分布式系统
• 大数据基础和 硬件介绍
• 大数据集群基本环境准备、大数据集群环境的基础准备
• Hadoop 核心组件以及性能优化
• HDFS组件详解以及实战、mapreduce 组件详解以及性能优化、Yarn组件详解以及多租户的实现、hive组件实战以及性能优化、impala组件实战以及性能优化sqoop常见问题详解
• 辅助系统工具
• sqoop hue impala kudu oozie flume azkaban组件功能介绍、架构和原理、多个案例整合
• 网站流量日志分析项目
• 项目背景，日志埋点收集,数据预处理，数据入库，指标分析，统计分析，可视化
• 市场价值 : 本阶段匹配的工作岗位包括ETL工程师、任务调度工程师、Hive工程师、数据仓库工程师等
• 阶段七 : 大数据 NoSQL、Kafka和ELK技术实战
• NoSQL、Kafka和ELK技术实战
• NoSQL介绍、Redis的原理和架构、 Redis的集群搭建、Hbase的应用场景、Hbase架构和原理以及RowKey设计和优化策略、HBase+Redis微博实战案例、Elasticsearch的功能、架构和原理以及ELK案例实战
• 市场、解决Hbase的RowKey高性能设计策略，满足业务的需求； 2、解决Hbase的性能瓶颈，解决业务问题对Hbase高性能的挑战； 3、解决企业里面海量数据实时传输的问题； 4、解决海量日志快速检索和监控问题
• 阶段八 : 大数据 Spark 内存计算系统
• Scala语言基础
• Scala基础、声明变量、数据类型、条件表达式、块表达式、循环、方法和函数、数组、元组、集合、Iterator、构造器、伴生对象、akka
• Spark入门以及集群搭建
• Spark集群环境搭建，spark入门程序，RDD入门
• SparkRDD

Spark的应用场景、架构和原理、入门案例、Spark Session讲解、RDD的概念和特性、Transformation RDD讲解、Action RDD讲解、Partition、Task、RDD的依赖关系、RDD的容错机制、RDD的存储级别、RDD的缓存机制、RDD的广播操作、DAG思想、DAG的生成、DAG的处理过程、运行机制、Driver和Executor

• Spark SQL
• Spark SQL功能介绍、DataFrame、DataSet、RDD、Dataset和DataFrame的转换、读写Hive表数据、读写HDFS的数据、DataFrame的API操作、读取文件(txt、CSV、Json、parquet)、临时表、读写RDBMS、Spark SQL执行计划、Spark SQL的性能优化
• SparkStreaming原理_运行过程_特性
• sparkstring的功能介绍,架构，流计算Dstream运行原理
• Structured Streaming_介绍_案例

Structured String的功能介绍、input功能、output功能、window操作、watermark操作、过期数据操作、去重数据操作、整合Socket数据、整合Kafka数据、OutputModel(Append\complete\update)功能、Flume+kafka+Structured Streaming实现用户访问行为的实时分析

• DMP项目
• Kudu应用场景,项目介绍, Kudu原理，cdh环境搭建,kudu整合spark开发，项目框架搭建,报表统计,商圈库功能
• 市场价值 : 可从事Spark相关工作，包括ETL工程师、Spark工程师、Hbase工程师、用户画像系统工程师、大数据反欺诈工程师
• 阶段九 : 大数据 Flink 实时计算系统
• Flink基础介绍
• Flink的运行机制、Flink组件和逻辑计划、Flink执行计划生成、JobManager中的基本组件、TaskManager、算子、网络、水印WaterMark、任务调度
• flink进阶
• flink的状态管理、CheckPoint、flinksql及flinkTableApi
• Flink电商指标分析项目
• 上报服务系统开发、Flink实时数据分析系统开发、实时频道热点分析业务开发、实时频道PV/UV分析、实时频道用户新鲜度分析、实时频道地域分析业务开发、实时运营商分析业务开发、实时数据同步系统、Canal数据采集平台
• 市场价值 : 目前Flink在大型互联网公司使用的的广泛，在传统行业Flink目前也是处在一个爆发的阶段
• 阶段十 : 大数据新技术实战详解
• Druid
• Druid应用场景、集群搭建、数据加载、重要概念、架构及原理、数据查询、元数据、实时应用案例
• 市场价值 : Druid目前人才需求量在不断的增加
• 阶段十一 : 机器学习（ 选修 ）
• 机器学习概念入门
• 1.基本概念：属性、属性的度量、属性类型、数据集类型、数据集的特性、训练集、测试集、特征值、监督学习、非监督学习、半监督学习等概念
• 2.数据的预处理：聚集、抽样、维度规约、特征子集选择、特征创建、离散化和二元化、变量变换
• 3.模型的评估：模型的过分拟合(过拟合)，欠拟合，评估分类器的性能(交叉验证和自助法)，模型评估方法、损失函数和风险函数、参数优化等，模型复杂度(奥卡姆剃刀)4.机器学习处理的一般流程分析
• 机器学习数学基础
• 初等数学基础、函数求导以及链式求导法则、方向导数、梯度、泰勒级数、 拉格朗日乘子法、线性代数与矩阵、特征值与特征向量、概率分析、 极大似然估计、梯度下降法代码实践、牛顿法代码实战、 矩阵分解实战(SVD,PCA,QR)
• 机器学习语言基础之Python语言
• 基础数据类型、list/tuple/dict/set、列表推导式、生成器推导式、 lambda函数、控制语句、文件读写、异常处理分析、面向对象编程、 GUI编程、Python基础项目实践
• Python数据分析库实战
• Numpy矩阵运算库基础及实战、Scipy数值运算库基础及实战、 Matplotlib绘图库基础及实战、Seaborn绘图库基础及实战、 Pandas数据分析库基础及实战
• Spark机器学习库实战

SparkML和SparkMLLIB区别、Spark机器学习基础、Pipeline管道、 特征抽取(TF-IDF、Word2Vec、CountVectorizer）、特征转换(Tokenizer、 PCA、N-gram、DCT、one-hot、MinMaxScaler、Normalizer、SqlTransformer、VectorAssembler)、特征选择(VectorSlicer、RFormula、 ChiSqSelector)

• 机器学习算法之用户标签预测项目实战
• 用户画像标签预测实战、KNN、KMeans、决策树算法模型(ID3、C4.5、 Cart树)、集成学习算法(Bagging、随机森林、Adaboost算法、GBDT算法、 XGBOOST算法、LightGBM算法模型)、人才流失模型项目实战
• 机器学习算法之推荐系统实战
• 基于记忆的CF实战(Surprise库实战)、基于模型的CF实战(SparkALS实战)、 基于Native-Bayes分类算法实战、基于内容推荐(jieba分词、提取词向量、 文本分类、特征聚类)、关联挖掘算法实战(基于Spark的FP-Growth算法实战)、推荐项目实战
• 机器学习算法之CTR点击率预估实战
• 特征工程实战、CTR点击率预估应用场景分析、 逻辑斯特回归算法理论基础推导及项目实战、推荐系统指标分析、 推荐系统架构分析、基于Wideanddeep模型理论及实战(学会读学术Paper)
• 机器学习算法之深度学习基础及图片分类实战
• 神经网络和深度学习基础、MP神经元模型、感知机模型、BPNN模型实战、 CNN模型实战图像识别、Tensorflow基础、电影评论文本分析、 RNN文本情感分析实战
• 市场价值 : 可从事机器学习、数据挖掘等相关工作，包括推荐算法工程师、数据挖掘工程师、机器学习工程师，填补人工智能领域人才急剧增长缺口
• 阶段十二 : 云计算（ 选修 ）
• 虚拟化
• hypervisor管理类工具、QEMU、KVM、QEMU-KVM、libvirt、虚拟化技术概述，Xen、VMware、KVM虚拟化对比与实践
• 公有云（阿里云）
• 公有云概述、阿里云应用实战
• 私有云运维（OpenStack)
• Openstack概述，OpenStack组件功能介绍，OpenStack安装与配置，OpenStack私有云运维实战;
• 容器Docker+监控
• Docker概述，Docker部署，Docker容器，Docker镜像仓库该学科热门课程
• Kubernetes概述、Kubernetes安装与部署、Docker+Kubernetes集群实战
• 市场价值 : 熟练掌握和学习后，可满足Linux云计算架构工程师的需求

课程目录

• 01-阶段一 Java基础
• 01-第一章 Java基础语法-V10.0
• 1-1 环境搭建+入门
• 1-10 二维数组
• 1-2 数据类型及转换
• 1-3 运算符
• 1-4 条件控制语句
• 1-5 循环
• 1-6 随机数+开发工具
• 1-7 数组
• 1-8 方法与debug
• 1-9 进制
• 02-第二章 面向对象基础-V10.0
• 01-面向过程和面向对象思想对比
• 02-类和对象的关系
• 03-类的定义
• 04-对象的创建和使用
• 05-案例-手机类的创建和使用
• 06-单个对象内存图
• 07-两个对象内存图
• 08-两个引用指向同一个对象内存图
• 09-成员变量和局部变量的区别
• 10-private关键字
• 11-private关键字的使用
• 12-this关键字
• 13-this内存原理
• 14-封装
• 15-构造方法的格式和执行时机
• 16-构造方法的作用
• 17-构造方法的注意事项
• 18-标准类的代码编写和使用
• 03-第三章 API基础-V10.0
• 01-API概述-帮助文档的使用
• 02-键盘录入字符串
• 03-String概述
• 04-String类常见构造方法
• 05-创建字符串对象的区别对比
• 06-String特点-常见面试题
• 07-字符串的比较
• 08-用户登陆案例
• 09-字符串的遍历
• 10-统计字符次数
• 11-手机号屏蔽-字符串截取
• 12-敏感词替换-字符串替换
• 13-切割字符串
• 14-String方法小结
• 15-StringBuilder概述
• 16-StringBuilder的构造方法
• 17-StringBuilder常用的成员方法
• 18-StringBuilder提高效率的原理
• 19-对称字符串案例-String和StringBuilder之间的转换
• 20-StringBuilder拼接字符串案例
• 04-第四章 集合基础-V10.0
• 01-集合和数组的区别对比
• 02-ArrayList的构造方法和添加方法
• 03-ArrayLIst常用成员方法
• 04-集合存储字符串并遍历
• 05-集合存储学生对象并遍历
• 06-键盘录入学生信息到集合
• 07-集合删除元素
• 08-集合数据筛选
• 09-学生管理系统项目演示
• 10-实现步骤分析和学生类的代码编写
• 11-菜单搭建
• 12-添加学生逻辑-基本实现
• 13-查看学生代码实现
• 14-判断学号是否存在的方法定义
• 15-删除学生代码实现
• 16-修改学生代码实现
• 17-解决添加学生学号的重复问题
• 05-第五章 Git-V10.0
• 01-为什么要使用代码版本控制系统
• 02-Git和SVN的对比
• 03-Git下载和安装
• 04-TortoiseGit的安装和汉化
• 05-Git本地仓库的基本工作流程
• 06-Git常用命令
• 07-Git基本操作-TortoiseGit操作
• 08-Git历史版本切换
• 09-分支管理介绍
• 10-分支工作流程
• 11-创建和切换分支
• 12-合并分支和删除分支
• 13-远程仓库的工作流程
• 14-常见代码托管平台介绍
• 15-远程仓库创建-SSH公钥配置
• 16-本地代码推送至远程仓库
• 17-远程仓库操作-克隆拉取
• 18-代码冲突
• 19-IDEA集成Git-创建本地仓库-提交代码
• 20-IDEA操作-版本切换
• 21-IDEA中分支管理
• 22-IDEA中操作远程仓库
• 06-第六章 面向对象进阶-V10.0
• 6-1 分类和static
• 6-2 老师管理系统
• 6-3 继承-上
• 6-4 继承-下
• 6-5 接口
• 6-6 多态与内部类
• 6-7 Lambda表达式
• 07-第七章 常用API&异常-V10.0
• 7-1 API的基本使用与Object类
• 7-2 BigDecimal类与Integer类
• 7-3 数组的高级操作与递归
• 7-4 时间日期类
• 7-5 异常
• 08-第八章 集合-V10.0
• 8-1 Collection
• 8-2 List与LinkedList
• 8-3 泛型
• 8-4 数据结构&平衡二叉树
• 8-5 红黑树&HashSet
• 8-6 HashMap&TreeMap
• 8-7 Stream流
• 09-第九章 IO流-V10.0
• 9-1 File
• 9-2 字节流
• 9-3 缓冲流
• 9-4 字符流&字符缓冲流
• 9-5 转换流&对象操作流&Properties
• 10-第十章 多线程-V10.0
• 10-1 多线程
• 10-2 线程安全问题
• 10-3 生产者和消费者
• 10-4 线程池&volatile
• 10-5 原子性&并发工具类
• 11-第十一章 网络编程-V10.0
• 11-1 网络编程&UDP
• 11-2 TCP通讯程序
• 12-第十二章 基础加强-V10.0
• 12-1 类加载器&反射
• 12-2 xml
• 12-3 DTD&schema
• 12-4 枚举
• 12-5 单元测试&日志技术
• 02-阶段二 JavaWeb
• 01-第一章 Linux-V10.0
• 1-1
• 1-2
• 1-3
• 1-4
• 1-5
• 1-6 压缩命令
• 1-7 网络与磁盘管理
• 1-8 shell
• 02-第二章 HTML+CSS+Nginx-V10.0
• 2-1
• 2-2
• 2-3
• 2-4
• 2-6 快速入门
• 2-7 基本语法
• 2-8 头条页面案例2
• 2-9 登录页面案例
• 03-第三章 JavaWeb核心-V10.0
• 3-1
• 3-10 请求对象-request
• 3-11 响应对象-response
• 3-12 学生管理系统2
• 3-13 Cookie
• 3-14 Session
• 3-15 JSP
• 3-16 学生管理系统3
• 3-17 EL表达式
• 3-18 JSTL
• 3-19 Filter
• 3-2
• 3-20 Listener
• 3-21 学生管理系统4
• 3-3
• 3-5
• 3-6 ServletConfig
• 3-7 ServletContext
• 3-8 注解开发
• 3-9 学生管理系统1
• 04-第四章 MYSQL-V10.0
• 4-1
• 4-10 触发器
• 4-11 事务
• 4-12 存储引擎
• 4-13 索引
• 4-14 锁
• 4-2
• 4-3
• 4-4
• 4-5
• 4-6 多表操作
• 4-7 视图
• 4-8 备份和恢复
• 4-9 存储过程和函数
• 05-第五章 JDBC-V10.0
• 20连接池
• 21JDBC框架
• 01-jdbc的概念
• 02-jdbc快速入门
• 03-jdbc功能类详解-DriverManager
• 04-jdbc功能类详解-Connection
• 05-jdbc功能类详解-Statement
• 06-jdbc功能类详解-ResultSet
• 07-jdbc案例-需求介绍和数据准备
• 08-jdbc案例-需求一查询所有学生信息
• 09-jdbc案例-需求二根据id查询学生信息
• 10-jdbc案例-需求三添加学生信息
• 11-jdbc案例-需求四修改学生信息
• 12-jdbc案例-需求五删除学生信息
• 13-jdbc工具类-配置文件的编写
• 14-jdbc工具类-工具类的编写
• 15-jdbc工具类-优化学生案例
• 16-jdbc工具类-学生表操作整合页面
• 17-jdbc-sql注入攻击的演示
• 18-jdbc-sql注入攻击的解决
• 19-jdbc-jdbc管理事务的介绍
• 20-jdbc-jdbc管理事务的演示
• 06-第六章 Mybatis-V10.0
• 6-1 快速入门
• 6-10 注解开发
• 6-11 注解多表操作
• 6-12 构建SQL
• 6-13 综合案例
• 6-2 相关API
• 6-3 映射配置文件
• 6-4 核心配置文件
• 6-5 传统方式实现Dao层
• 6-6 接口代理方式实现Dao层
• 6-7 动态sql
• 6-8 分页插件
• 6-9 多表操作
• 07-第七章 JavaScript-V10.0
• 7-1 快速入门
• 7-2 基本语法
• 7-3 DOM
• 7-4 事件
• 7-5 综合案例
• 7-6 面向对象
• 7-7 内置对象
• 7-8 表单校验案例
• 7-9 BOM
• 08-第八章 JQuery-V10.0
• 8-1 快速入门
• 8-2 基本语法
• 8-3 选择器
• 8-4 DOM
• 8-5 复选框案例
• 8-6 随机图片案例
• 09-第九章 AJAX-V10.0
• 9-1 AJAX快速入门
• 9-2 JSON的处理
• 9-3 搜索联想案例
• 9-4 分页案例
• 10-第十章 Vue+Element-V10.0
• 10-1 Vue快速入门
• 10-2 Vue常用指令
• 10-3 Element基本使用
• 10-4 学生列表案例
• 10-5 Vue高级使用
• 10-6 学生管理系统
• 11-第十一章 Redis-V10.0
• 11-1 Redis入门
• 11-2 数据类型
• 11-3 常用指令
• 11-4 jedis
• 11-5 持久化
• 12-第十二章 Maven基础-V10.0
• 12-1 Maven基本概念
• 12-2 第一个Maven程序
• 12-3 依赖管理与生命周期
• 13-第十三章 Web项目实战-黑马面面-V10.0
• 13-1 工程搭建
• 13-2 企业模块
• 13-3 部门模块
• 13-4 题目模块
• 13-5 题目数据导出
• 13-6 权限系统
• 13-7 注册功能
• 13-8 登录功能
• 13-9 答题功能
• 03-阶段三 主流框架
• 01-第一章 Spring-V10.0
• 1-1
• 1-10 模板对象
• 1-2
• 1-3
• 1-4
• 1-5
• 1-6 IoC底层核心原理
• 1-7 AOP配置
• 1-8 AOP底层原理
• 1-9 事务管理
• 02-第二章 SpringMVC-V10.0
• 16异步拦截器 异常
• 17实用技术
• 18SSM整合
• 01-SpringMVC概述
• 02-入门案例-入门案例制作
• 03-入门案例-SpringMVC技术架构图
• 04-基本配置-常规配置（Controller加载控制，静态资源加载控制，中文乱码处理）
• 05-基本配置-注解驱动
• 06-请求-普通类型参数传参
• 07-请求-POJO类型参数传参
• 08-请求-数组与集合类型参数传参
• 09-请求-类型转换器
• 10-请求-自定义类型转换器
• 11-请求-请求映射
• 12-响应-页面跳转
• 13-响应-带数据页面跳转
• 14-响应-返回json数据
• 15-Servlet相关接口-Servlet相关接口替换方案
• 03-第三章 Maven高级-V10.0
• 01-分模块开发与设计-模块拆分思想与pojo模块拆分
• 02-分模块开发与设计-dao模块拆分
• 03-分模块开发与设计-service模块拆分
• 04-分模块开发与设计-controller模块拆分
• 05-聚合-模块聚合
• 06-继承-模块继承
• 07-属性-属性定义与使用
• 08-版本管理-版本管理
• 09-资源配置-资源加载属性值
• 10-环境配置-多环境配置
• 11-跳过测试-跳过测试的三种方式
• 12-私服-nexus服务器安装与启动
• 13-私服-仓库分类与手动上传组件
• 14-私服-本地仓库访问私服
• 15-私服-idea访问私服与组件上传
• 04-第四章 Dubbo-V10.0
• 02-相关概念-互联网项目架构目标-特点
• 03-相关概念-互联网项目架构目标-目标
• 04-相关概念-集群和分布式
• 05-相关概念-架构演进
• 06-dubbo概述
• 07-dubbo快速入门-zookeeper安装
• 08-dubbo快速入门-spring和springmvc整合
• 09-dubbo快速入门-服务提供者
• 10-dubbo快速入门-服务消费者
• 11-dubbo高级特性-dubbo-admin安装
• 12-dubbo高级特性-dubbo-admin使用
• 13-dubbo高级特性-序列化
• 14-dubbo高级特性-地址缓存
• 15-dubbo高级特性-超时
• 16-dubbo高级特性-重试
• 17-dubbo高级特性-多版本
• 18-dubbo高级特性-负载均衡
• 19-dubbo高级特性-集群容错
• 20-dubbo高级特性-服务降级
• 5-01-今日内容
• 05-第五章 Zookeeper-V10.0
• 01-今日内容-1603635403
• 02-Zookeeper概念
• 03-Zookeeper安装
• 04-Zookeeper命令操作-数据模型
• 05-Zookeeper命令操作-服务端命令
• 06-Zookeeper命令操作-客户端命令-1基本CRUD
• 07-Zookeeper命令操作-客户端命令-2创建临时循序节点
• 08-Zookeeper JavaAPI操作-Curator介绍
• 09-Zookeeper JavaAPI操作-建立连接
• 10-Zookeeper JavaAPI操作-创建节点
• 11-Zookeeper JavaAPI操作-查询节点
• 12-Zookeeper JavaAPI操作-修改节点
• 13-Zookeeper JavaAPI操作-删除节点
• 14-Zookeeper JavaAPI操作-Watch监听概述
• 15-Zookeeper JavaAPI操作-Watch监听-NodeCache
• 16-Zookeeper JavaAPI操作-Watch监听-PathChildrenCache
• 17-Zookeeper JavaAPI操作-Watch监听-TreeCache
• 18-Zookeeper 分布式锁-概念
• 19-Zookeeper 分布式锁-Zookeeper分布式锁原理
• 20-Zookeeper 分布式锁-模拟12306售票案例
• 21-Zookeeper 集群-介绍
• 22-Zookeeper 集群-搭建
• 23-Zookeeper 集群-故障测试
• 24-Zookeeper 集群-角色
• 04-阶段四 流行框架
• 01-第一章 Redis高级-V10.0
• 01-删除策略-过期数据的概念与存储结构
• 02-删除策略-定时删除与惰性删除
• 03-删除策略-定期删除
• 04-删除策略-淘汰策略
• 05-主从复制-主从复制概念
• 06-主从复制-工作流程（一）建立连接阶段
• 07-主从复制-主从结构搭建
• 08-主从复制-工作流程（二）数据同步阶段
• 09-主从复制-工作流程（三）命令传播阶段与复制缓冲区工作原理
• 10-主从复制-工作流程更新与心跳机制
• 11-主从复制-常见问题
• 12-哨兵模式-哨兵简介
• 13-哨兵模式-环境配置与哨兵启动
• 14-哨兵模式-主从切换过程演示
• 15-哨兵模式-监控与通知阶段工作流程
• 16-哨兵模式-故障转移阶段工作流程
• 17-集群-集群简介
• 18-集群-集群内部数据存储结构
• 19-集群-搭建集群基础环境准备工作
• 20-集群-cluster集群搭建与基本功能演示
• 21-集群-节点操作
• 22-企业级解决方案-缓存预热
• 23-企业级解决方案-缓存雪崩
• 24-企业级解决方案-缓存击穿
• 25-企业级解决方案-缓存穿透
• 26-企业级解决方案-性能指标监控
• 27-企业级解决方案-性能监控工具
• 02-第二章 微服务-SpringBoot微服务快速开发
• 高级
• 01-今日内容
• 02-SpringBoot概述
• 03-SpringBoot快速入门
• 04-快速构建SpringBoot工程
• 05-SpringBoot起步依赖原理分析
• 06-SpringBoot配置-配置文件分类
• 07-SpringBoot配置-yaml基本语法
• 08-SpringBoot配置-yaml数据格式
• 09-SpringBoot配置-获取数据_1
• 10-SpringBoot配置-获取数据_2
• 11-SpringBoot配置-profile
• 12-SpringBoot配置-项目内部配置文件加载顺序
• 13-SpringBoot配置-项目外部配置加载顺序
• 13-SpringBoot整合Junit
• 14-SpringBoot整合redis
• 15-SpringBoot整合mybatis
• 03-第三章 消息中间件-RabbitMQ
• 高级
• 10_RabbitMQ快速入门-消费者
• 11_RabbitMQ工作模式-WorkQueues
• 12_RabbitMQ工作模式-PubSub生产者
• 13_RabbitMQ工作模式-PubSub消费者
• 14_RabbitMQ工作模式-Routing
• 15_RabbitMQ工作模式-Topics
• 16_RabbitMQ工作模式-总结
• 17_Spring整合RabbitMQ-生产者
• 18_Spring整合RabbitMQ-消费者
• 19_Spring整合RabbitMQ-配置详解
• 1_MQ的重要性
• 20_SpringBoot整合RabbitMQ-生产者
• 21_SpringBoot整合RabbitMQ-消费者
• 2_MQ概述
• 3_MQ的优势
• 4_MQ的劣势
• 5_常见的MQ产品
• 6_RabbitMQ概述
• 7_RabbitMQ安装
• 8_RabbitMQ管控台使用
• 9_RabbitMQ快速入门-生产者
• 04-第四章 微服务-SpringCloud-V10.0
• 4-10 bus
• 4-11 stream
• 4-12 Sleuth+Zipkin
• 4-1到4-5
• 4-6 Feign
• 4-7 Hystrix
• 4-8 Gateway
• 4-9 config
• 05-第五章 应用容器-Docker
• 01-今日内容-1603639471
• 02-初识docker-docker概述
• 03-初识docker-安装docker
• 04-初识docker-docker架构
• 05-初识docker-配置镜像加速器
• 06-docker命令-服务相关命令
• 07-docker命令-镜像相关命令
• 08-docker命令-容器相关命令1
• 09-docker命令-容器相关命令2
• 10-docker容器数据卷-数据卷概念及作用
• 11-docker容器数据卷-配置数据卷
• 12-docker容器数据卷-配置数据卷2
• 13-docker容器数据卷-数据卷容器
• 14-docker应用部署-部署mysql
• 15-docker应用部署-部署tomcat
• 16-docker应用部署-部署nginx
• 17-docker应用部署-部署redis
• 18-dockerfile-镜像原理
• 19-dockerfile-容器转为镜像
• 20-dockerfile-dockerfile概述及关键字
• 21-dockerfile-案例-自定义centos
• 22-dockerfile-案例-部署springboot项目
• 23-docker compose-概述
• 24-docker compose-安装使用
• 25-docker私有仓库-搭建
• 26-docker私有仓库-上传镜像
• 27-docker私有仓库-拉取镜像
• 28-docker和虚拟机比较
• 06-第六章 搜索引擎-ElasticSearch-V10.0
• 6-1到6-5
• 高级
• 05-阶段五 大数据基础增强
• 01-第一章 大数据基础增强阶段-导学
• 大数据基础增强阶段-导学
• 02-第二章 就业课(2.1)-Linux实战
• 2-1
• 2-2
• 2-3
• 03-第三章 就业课(2.0)-JVM优化(上)
• 01.今日内容_D01
• 02.我们为什么要对jvm做优化？
• 03.JVM运行参数之-参数类型以及标准参数-1603640902
• 03.JVM运行参数之-参数类型以及标准参数
• 04.JVM运行参数之-server与-client
• 05.JVM运行参数之-Xint、-Xcomp、-Xmined
• 06.JVM运行参数之-XX参数
• 07.JVM运行参数之-Xms与-Xmx参数
• 08.JVM运行参数之查看jvm运行参数
• 09.JVM内存模型之jdk1.7与jdk1.8内存模型（很重要）
• 10.JVM内存模型之jstat命令的使用
• 11.jmap命令的使用
• 12.使用jhat对dump文件进行分析
• 13.通过MAT工具对dump文件进行分析
• 14.实战：内存溢出的定位与分析
• 15.jstack命令的使用
• 16.实战：死锁问题
• 17.VisualVM工具的使用（监控本地进程）
• 18.VisualVM工具的使用（监控远程进程）
• 04-第四章 就业课(2.0)-JVM优化(中)
• 01.今日内容_D02
• 02.什么垃圾回收？
• 03.垃圾回收算法之-引用计数法
• 04.垃圾回收算法之-标记清除法
• 05.标记清除算法中的应用程序暂停的问题说明
• 06.垃圾回收算法之-标记压缩算法
• 07.垃圾回收算法之-复制算法
• 08.垃圾回收算法之-分代算法
• 09.垃圾收集器之串行垃圾收集器
• 10.垃圾收集器之并行垃圾收集器
• 11.垃圾收集器之CMS垃圾收集器
• 12.垃圾收集器之G1垃圾收集器的原理
• 13.垃圾收集器之G1垃圾收集器中的YoungGC
• 14.垃圾收集器之G1垃圾收集器中的MixedGC
• 15.垃圾收集器之G1垃圾收集器中的参数以及测试
• 16.垃圾收集器之G1垃圾收集器的优化建议
• 17.可视化GC日志分析工具
• 05-第五章 就业课(2.0)-JVM优化(下)
• 01.今日内容_D03
• 02.Tomcat8优化之部署安装
• 03.Tomcat8优化之禁用AJP服务
• 04.Tomcat8优化之配置执行器（线程池）
• 05.Tomcat8优化之3种运行模式（启用nio2模式）
• 06.Tomcat8优化之部署web项目
• 07.Tomcat8优化之Apache JMeter的使用（对首页进行压力测试）
• 08.Tomcat8优化之禁用AJP服务的压力测试
• 09.Tomcat8优化之设置线程池进行压力测试
• 10.Tomcat8优化之设置nio2运行模式进行测试
• 11.Tomcat8优化之设置设置并行垃圾收集器进行测试
• 12.Tomcat8优化之通过GC报表进行分析
• 13.Tomcat8优化之设置G1垃圾收集器进行测试
• 14.Tomcat8优化之G1牢记收集器的测试结果以及小结
• 15.JVM字节码之javap的使用
• 16.JVM字节码之常量池、字段描述符、方法描述符
• 17.JVM字节码之解读方法字节码
• 18.JVM字节码之解读方法字节码（图解）
• 19.JVM字节码之研究 i++ 与 ++i 的不同
• 20.JVM字节码之探究字符串的拼接
• 21.代码优化建议
• 06-阶段六 大数据Hadoop离线分布式系统
• 01-第一章 大数据 Hadoop 离线分布式系统-导学
• 大数据 Hadoop 离线分布式系统-导学
• 02-第二章 就业课(2.1)-大数据基础和 硬件介绍
• 1-大数据导论
• 10-集群Linux环境搭建-配置ip地址
• 11-集群Linux环境搭建-配置主机名和域名映射
• 12-集群Linux环境搭建-关闭防火墙和SELinux
• 13-集群Linux环境搭建-ssh免密登录
• 14-集群Linux环境搭建-时钟同步
• 15-集群Linux环境搭建-辅助软件-jdk安装
• 16-集群Linux环境搭建-辅助软件-mysql安装
• 17-shell脚本基础增强1
• 18-shell脚本基础增强2
• 2-服务器介绍
• 3-存储磁盘基本介绍
• 4-交换机和网卡的介绍
• 5-局域网、机架和IDC
• 6-磁盘阵列RAID
• 7-集群Linux环境搭建-注意事项
• 8-集群Linux环境搭建-复制虚拟机
• 9-集群Linux环境搭建-配置Mac地址
• 03-第三章 就业课(2.1)-Zookeeper组件
• 1-zookeeper-概述
• 10-Zookeeper的命令操作
• 11-Zookeeper的节点属性
• 12-Zookeeper的watch机制
• 13-Zookeeper的JavaAPI操作-创建工程和导入jar包
• 14-Zookeeper的JavaAPI操作-创建永久性节点
• 15-Zookeeper的JavaAPI操作-节点其他操作，
• 16-Zookeeper的JavaAPI操作-watch机制
• 2-zookeeper-特点
• 3-zookeeper-架构
• 4-zookeeper-应用场景1
• 5-zookeeper-应用场景2
• 6-zookeeper-选举机制
• 7-zookeeper-环境搭建
• 8-Zookeeper的数据模型
• 9-Zookeeper的节点特性
• 04-第四章 就业课(2.1)-HDFS组件
• 4-1
• 4-2
• 4-3
• 05-第五章 就业课(2.1)-MapReduce组件
• 5-1
• 5-2
• 5-3
• 5-4
• 5-6 mapreduce 求共同好友案例
• 5-7 自定义输入和输出组件实现
• 5-8 topn案例
• 06-第六章 就业课(2.1)-Yarn组件
• 18-yarn资源调度-yarn介绍
• 19-yarn资源调度-主要组件及作用
• 20-yarn资源调度-架构和工作流程
• 21-yarn资源调度-调度器
• 22-yarn资源调度-常用参数设置
• 07-第七章 就业课(2.1)-Hive组件
• 7-1 hive 数据仓库
• 7-2 hive查询以及调优
• 08-第八章 就业课(2.1)-Impala组件
• 8-1 Impala
• 09-第九章 就业课(2.1)-辅助系统工具
• 第九章 就业课（2.1）-辅助系统工具
• 10-第十章 就业课(2.1)-网站流量日志分析
• 10-1 网站流量日志分析_架构_埋点采集
• 10-2 网站流量日志分析-数据预处理
• 10-3 网站流量日志分析-数仓设计-模型设计-指标分析
• 10-4 网站流量日志分析-多维统计
• 10-5 网站流量日志分析-窗口函数-统计分析
• 10-6 网站流量日志分析-调度-可视化
• 07-阶段七 大数据 NoSQL、Kafka和ELK技术实战
• 01-第一章 大数据 NoSQL、Kafka和ELK技术实战-导学
• 大数据 NoSQL、Kafka和ELK技术实战-导学
• 02-第二章 就业课(2.1)-redis组件
• 10、redis当中的list以及set集合JavaAPI操作
• 11、redis当中rdb的持久化方式介绍
• 12、redis当中的AOF持久化方案
• 13、redis当中的主从复制架构
• 14、redis当中的sentinel架构模式
• 15、redis的集群安装配置
• 16、redis集群的其他操作以及redis集群的JavaAPI操作
• 1、web发展历史以及redis的简介
• 2、redis的安装过程
• 3、redis当中对string字符串的操作
• 4、redis当中hash列表的操作
• 5、redis当中list列表的操作
• 6、redis当中的set集合操作
• 7、redis当中对key的通用操作
• 8、redis的JavaAPI操作string类型数据
• 9、redis当中的JavaAPI操作hash类型数据
• 03-第三章 就业课(2.1)-hbase组件
• 29 基于hbase实现微博用户关系梳理案例
• 10、HBase当中的过滤器查询
• 11、hbase当中的专用过滤器以及分页和多过滤器综合使用
• 12、HBase当中JavaAPI开发
• 13、HBase的系统架构以及HBase的物理存储
• 14、HBase当中的读写过程以及region管理和master工作机制以及HBase当中三个重要机制
• 15、hbase与MR的集成开发1
• 16、HBase与mr的集成本地运行以及打包到服务器上面去运行
• 17、读取hdfs数据写入到hbase当中去
• 18、通过bulkload的方式批量加载海量数据到hbase里面去
• 19、hive整合hbase基本介绍
• 1、hbase的基本简介
• 20、hive整合hbase
• 21、HBase当中的预分区_clip(1)
• 22、HBase当中的rowkey设计技巧
• 23、HBase当中的协处理器
• 24、HBase当中的二级索引方案的介绍
• 25、hue的基本介绍
• 26、hue的编译安装
• 26、Hue与其他框架的集成
• 27、HBase的优化1
• 28、HBase的优化2
• 2、HBase的基本架构
• 3、HBase集群环境搭建
• 4、HBase的表模型以及HBase的创建表和添加数据操作
• 5、HBase当中的查询，更新以及删除操作
• 6、hbase-shell高级管理命令
• 7、HBase当中的创建表以及添加数据操作
• 8、hbase当中按照rowkey查询数据
• 9、HBase当中通过scan实现范围值扫描查询以及通过scan全表查询
• 04-第四章 就业课(2.1)-kafka组件
• 10、kafkaStream的API开发
• 11、kafka生产者原理之分区策略
• 12、消费完每个分区里面的数据然后提交offset
• 13、消费topic指定的分区数据
• 14、kafka的数据丢失以及数据重复消费以及kafka的消费模式介绍
• 15、kafka当中数据的查找过程
• 16、kafka如何保证数据不丢失
• 17、分布式系统当中的CAP定律以及kafka当中的CAP实现
• 18、kafka in zookeeper以及kafka的监控工具kafka-eagle
• 1、课程目标以及kafka企业消息队列的介绍_clip
• 2、了解消息系统的分类以及消息系统的常见应用场景
• 3、kafka的基本简介，应用场景以及kafka的基础架构
• 4、kafka当中的专业术语的介绍，topic，分区数以及副本数的说明介绍
• 5、kafka当中offset以及分区和消费组之间的关系
• 6、kafka集群环境的搭建
• 7、kafka集群常见的基本操作命令
• 8、JavaAPI生产数据
• 9、kafka当中JavaAPI消费数据-手动提交以及自动提交offset值
• 05-第五章 就业课(2.1)-ELK技术栈
• 5-1 Elasticsearch的功能、架构和原理
• 10、logstash的output插件之将数据保存到文件以及保存到es里面去
• 11、kibana实现数据报表展示
• 12、logstash+es综合案例
• 13、es整合hbase实现二级索引
• 14、实现解析excel数据
• 15、es整合hbase实现将数据保存到es里面去
• 16、es整合hbase实现将数据保存到hbase里面去
• 17、es整合hbase实现数据的查询
• 1、es当中的模糊查询和通配符查询以及分页和高亮显示
• 2、es当中的聚合查询
• 3、分组求最大值，最小值，平均值等
• 4、es当中的分组求和以及聚合排序
• 5、es的sql插件的使用
• 6、logstash的基本介绍以及标准输入输出插件和监控文件插件
• 7、通过logstash采集数据库当中的数据
• 8、logstash当中的syslog-input插件以及filter插件
• 9、使用grok插件解析nginx日志数据为结构化数据
• 08-阶段八 大数据Spark内存计算系统
• 01-第一章 大数据 Spark 内存计算系统 – 0基础-导学
• 大数据 Spark 内存计算系统 – 0基础-导学
• 02-第二章 就业课(2.1)-Scala语言
• 2-1 scala_语法基础
• 2-2 scala_类_对象
• 2-3 scala_模式匹配_异常处理
• 2-4 scala_高阶函数
• 03-第三章 就业课(2.1)-Spark入门以及集群搭建
• 01_Spark概述_目标
• 02_Spark概述_Spark是什么
• 03_Spark概述_Spark的特点
• 04_Spark概述_Spark的组成
• 05_Spark集群搭建_Spark集群结构
• 06_Spark集群搭建_Spark集群结构_扩展
• 08_Spark环境搭建_配置HistoryServer
• 09_Spark集群搭建_分发和启动
• 10_Spark集群搭建_高可用配置
• 11_Spark集群搭建_第一个案例
• 12_Spark入门_代码编写方式
• 13_Spark入门_SparkShell本地文件读取
• 14_Spark入门_执行过程
• 15_Spark入门_读取HDFS上的文件
• 16_Spark入门_独立应用编写
• 17_Spark入门_独立应用的运行方式
• 18_RDD入门_RDD是什么
• 19_RDD入门_SparkContext
• 20_RDD入门_创建RDD的三种方式
• 21_RDD入门_Map算子
• 22_RDD入门_FlatMap算子
• 23_RDD入门_ReduceByKey算子
• 04-第四章 就业课(2.1)-spark_rdd算子
• 4-2 RDD_action算子_分区_缓存
• 01_深入RDD_课程结构
• 02_深入RDD_初始案例_步骤
• 03_深入RDD_初始案例_代码编写
• 04_深入RDD_问题_如何运行在集群中
• 05_深入RDD_问题_分解和容错
• 06_深入RDD_定义_出现的背景
• 07_深入RDD_定义_RDD的特点
• 08_深入RDD_定义_什么叫做弹性分布式数据集
• 09_深入RDD_定义_五大属性
• 10_RDD算子_分类
• 11_RDD算子_转换_回顾
• 12_RDD算子_转换_mapPartitions
• 13_RDD算子_转换_Filter
• 14_RDD算子_转换_Sample
• 15_RDD算子_转换_mapValues
• 16_RDD算子_转换_集合操作
• 17_RDD算子_转换_groupByKey
• 18_RDD算子_转换_combineByKey
• 19_RDD算子_转换_foldByKey
• 20_RDD算子_转换_aggregateByKey
• 21_RDD算子_转换_join
• 22_RDD算子_转换_排序
• 23_RDD算子_转换_重分区
• 24_RDD算子_转换_总结
• 05-第五章 就业课(2.1)-Spark原理_运行过程_高级特性
• 01_Spark原理_概述和思路
• 02_Spark原理_总体介绍_概要
• 03_Spark原理_总结介绍_案例编写
• 04_Spark原理_总体介绍_集群环境
• 05_Spark原理_总体介绍_逻辑执行图
• 06_Spark原理_总体介绍_物理执行图
• 07_Spark原理_逻辑图_HadoopRDD的生成
• 08_Spark原理_逻辑图_MapPartitionsRDD
• 09_Spark原理_逻辑图_小结
• 10_Spark原理_逻辑图_RDD之间的关系_一对一
• 11_Spark原理_逻辑图_RDD之间的关系_多对一
• 12_Spark原理_逻辑图_窄依赖_案例
• 13_Spark原理_逻辑图_窄依赖_分析
• 14_Spark原理_逻辑图_宽依赖_分析
• 15_Spark原理_逻辑图_宽窄依赖判断
• 16_Spark原理_逻辑图_窄依赖的分类_看源码
• 17_Spark原理_逻辑图_窄依赖的分类_分析
• 18_Spark原理_逻辑图_总结
• 19_Spark原理_物理图_介绍
• 20_Spark原理_物理图_Task设计
• 21_Spark原理_物理图_Stage划分
• 22_Spark原理_物理图_案例总结
• 23_Spark原理_运行过程_概念介绍
• 24_Spark原理_运行过程_Job和Stage的关系
• 25_Spark原理_运行过程_Stage和Task的关系
• 26_Spark原理_运行过程_总结和流程
• 27_高级特性_闭包_概念
• 28_高级特性_闭包_Spark闭包分发
• 29_高级特性_累加器
• 30_高级特性_广播
• 06-第六章 就业课(2.1)-sparksql
• 6-1 SparkSQL_使用场景_优化器_Dataset
• 6-2 SparkSQL读写_hive_mysql_案例
• 6-3 Dataset (DataFrame) 的基础操作
• 6-4 SparkSQL_聚合操作_连接操作
• 6-5 SparkSQL_出租车利用率分析案例
• 07–第七章 就业课(2.1)-SparkStreaming原理_运行过程_高级特性
• 7-1 SparkStreaming_原理_案例
• 08-第八章 就业课(2.1)-Structured Streaming_介绍_案例
• 8-1 Structured Streaming_介绍_案例
• 09-第九章 就业课(2.1)-Kudu入门_项目介绍_ CDH搭建
• 9-1 Kudu入门_原理_ CDH搭建
• 10-第十章 就业课(2.1)-Kudu_javaApi使用_Spark整合
• 10-1 Kudu_javaapi使用_Spark整合
• 11-第十一章 就业课(2.1)-DMP项目_业务介绍_框架搭建
• 11-1 DMP项目_业务介绍_框架搭建
• 12-第十二章 就业课(2.1)-DMP项目_IP转换_报表统计
• 12-1 DMP项目_IP转换_报表统计
• 13-第十三章 就业课(2.1)-DMP项目_实现商圈库功能
• 13-1 DMP项目_实现商圈库功能
• 14-第十四章 就业课(2.1)-DMP项目_统一识别
• 14-1 DMP项目_统一识别
• 09-阶段九 大数据Flink实时计算系统
• 01-第一章 大数据 Flink 实时计算系统 – 0基础-导学
• 大数据 Flink 实时计算系统 – 0基础-导学
• 02-第二章 就业课(2.1)-Flink基础
• 2-1 Flink基础介绍
• 2-2 Flink批处理开发
• 2-3 Flink流处理开发
• 03-第三章 就业课(2.1)-Flink 高级进阶
• 01_学习目标-1603679443
• 02_State介绍
• 03_Keyed State介绍
• 04_Operate State介绍
• 05_CheckPoint介绍
• 06_Barrier介绍
• 07_Checkpoint持久化方案
• 08_CheckPoint案例介绍
• 09_CheckPoint案例开发-自定义数据源
• 10_CheckPoint案例开发-自定义状态
• 11_CheckPoint案例开发-自定义Window和检查点
• 12_CheckPoint案例开发-主业务
• 13_FlinkSql_介绍
• 14_Table API和SQL程序的结构
• 15_FlinkSql_入门案例_DataStream或DataSet转换为表格
• 16_FlinkSql_入门案例_表转换为DataStream
• 17_FlinkSql_入门案例_表转换为DataSet
• 18_FlinkSql_批处理案例1
• 19_FlinkSql_批处理案例2
• 20_FlinkSql_流处理案例
• 04-第四章 就业课(2.1)-Flink电商指标分析项目
• 4-1 项目简介以及上报服务系统开发
• 4-2 Flink整合kafka开发
• 4-3 HBaseUtil工具类开发
• 4-4 实时数据业务分析开发
• 4-5 实时数据同步系统开发
• 4-6 Flink离线分析系统开发
• 10-阶段十 大数据新技术实战详解
• 01-第一章 大数据新技术实战详解-导学
• 1-1 大数据新技术实战详解-导学
• 02-第二章 就业课(2.1)-druid
• 2-1 druid_集群搭建_架构
• 2-2 druid_数据查询_广告点击项目案例开发
• 11-阶段十一 大项目实战一 企业级360°全方位用户画像
• 01-第一章 用户画像项目-项目介绍
• 001-项目介绍-课程体系
• 002-项目介绍-什么是用户画像-应用场景-精细化运营
• 003-项目介绍-什么是用户画像-应用场景-推荐系统
• 004-项目介绍-什么是用户画像-概念
• 005-项目介绍-计算框架选型-离线数仓
• 006-项目介绍-计算框架选型-实时数仓
• 007-项目介绍-计算框架选型-离线画像
• 008-项目介绍-计算框架选型-实时画像
• 009-项目介绍-项目结构-项目功能
• 010-项目介绍-项目结构-项目架构
• 011-项目介绍-项目结构-项目情况
• 02-第二章 用户画像项目-集群搭建
• 012_集群搭建_设计集群_资源预估
• 013_集群搭建_设计集群_完成
• 014_集群搭建_部署和管理集群的工具_介绍
• 015_集群搭建_部署和管理集群的工具_三种部署方式
• 016_集群搭建_自动创建虚拟机_介绍Vagrant
• 017_集群搭建_自动创建虚拟机_初体验
• 018_集群搭建_自动创建虚拟机_Provision
• 019_集群搭建_自动创建虚拟机_创建集群
• 020_集群搭建_自动化部署_Ansible介绍
• 021_集群搭建_自动化部署_脚本结构
• 022_集群搭建_自动化部署_部署完成
• 03-第三章 用户画像项目-数据抽取
• 3-1 数据抽取介绍
• 3-2 数据抽取实现
• 04-第四章 用户画像项目-调度平台介绍
• 4-1 调度平台
• 05-第五章 用户画像项目-匹配型标签
• 5-1 SHC 介绍
• 5-2 性别标签
• 5-3 职业标签
• 5-4 其它标签
• 06-第六章 用户画像项目-存储选型
• 6-1 MySQL
• 6-2 Hbase
• 07-第七章 用户画像项目-统计型标签
• 7-1 统计型标签
• 08-第八章 用户画像项目-机器学习入门
• 8-1 机器学习介绍
• 8-2 Zeppelin
• 8-3 房价案例
• 09-第九章 用户画像项目-挖掘型标签
• 090_挖掘型标签_用户价值模型_需求
• 091_挖掘型标签_用户价值模型_RFM
• 092_挖掘型标签_用户价值模型_实现步骤
• 093_挖掘型标签_用户价值模型_求得RFM
• 094_挖掘型标签_用户价值模型_打分
• 095_挖掘型标签_用户价值模型_训练
• 095_挖掘型标签_用户价值模型_预测
• 096_挖掘型标签_用户价值模型_生成标签
• 097_挖掘型标签_用户活跃度模型
• 098_挖掘型标签_价格敏感度_PSM求值思路
• 099_挖掘型标签_价格敏感度_PSM打分
• 100_挖掘型标签_价格敏感度_肘部法则
• 101_挖掘型标签_购物性别_决策树
• 102_挖掘型标签_购物性别_创建多源基类
• 103_挖掘型标签_购物性别_数据处理
• 104_挖掘型标签_购物性别_训练预测
• 105_挖掘型标签_购物性别_完结
• 12-阶段十二 大项目实战二 千亿级数据仓库
• 01-第一章 千亿级电商数仓项目-离线部分-数仓概述及kettle框架学习
• 01-课程目标
• 02-电商行业与电商系统介绍
• 03-数仓项目整体技术架构介绍
• 04-数仓项目架构-kylin补充
• 05-数仓具体技术介绍与项目环境介绍
• 06-kettle的介绍与安装
• 07-kettle的入门案例
• 08-kettle输入组件之json输入与表输入
• 09-kettle输入组件之生成记录组件
• 10-kettle输出组件之文本文件输出
• 11-kettle输出组件之表输出插入更新删除组件
• 12-kettle整合hadoop
• 13-kettle-hadoopfileinput组件
• 14-kettle-hadoopfileoutput组件
• 15-kettle整合hive
• 16-kettle-hive表输入组件
• 17-kettle-hive表输出组件
• 18-kettle执行hivesql组件
• 19-kettle转换组件之值映射增加序列字段选择
• 20-kettle流程控件-switchcase组件
• 21-kettle流程控件-过滤记录组件
• 22-kettle连接组件
• 23-kettle的作业介绍
• 24-kettle-转换命名参数
• 25-linux部署kettle
• 26-pansh执行转换任务
• 27-kitchensh执行转换任务
• 02-第二章 千亿级电商数仓项目-离线部分-数仓分层设计及业务数据采集
• 01-课程目标与课程内容介绍
• 02-数仓维度建模设计
• 03-数仓为什么分层
• 04-数仓分层思想和作用
• 05-数仓中表的分类和同步策略
• 06-数仓中表字段介绍以及表关系梳理
• 07-项目环境初始化
• 08-缓慢变化维问题以及常见解决方案
• 09-商品案例-每日全量采集方案
• 10-每日全量案例实现
• 11-拉链表技术介绍
• 12-拉链表技术实现-第一次导入数据到拉链表
• 13-拉链表技术实现–历史数据更新
• 14-拉链表技术实现-新增数据插入以及合并
• 15-商品维度数据第一次全量导入拉链表
• 16-商品维度数据第二次增量导入
• 17-周期性事实表同步操作
• 18-其余表增量抽取
• 03-第三章 千亿级数仓-离线部分-订单业务指标实现
• 01-今日课程内容和课程目标
• 02-订单时间维度指标需求分析
• 03-使用kettle生成日期维度数据
• 04-订单指标时间维度分析–每个季度
• 05-订单指标时间维度-每个月-每个周-休息日节假日工作日
• 06-订单指标区域维度和分类维度需求分析
• 07-店铺区域维度数据拉宽
• 08-商品分类表维度数据拉宽
• 09-事实表维度数据拉宽操作
• 10-全国无商品分类维度指标统计
• 11-全国一级商品分类维度指标开发
• 12-大区二级商品分类维度指标统计
• 13-用户订单行为指标需求分析
• 14-ETL处理-订单时间标志宽表处理
• 15-用户订单行为指标开发一
• 16-指标开发第二部分
• 17-指标开发第四部分
• 18-创建ads层指标表存储数据
• 04-第四章 千亿级电商数仓项目-离线部分-日志数据采集及ETL处理
• 01-今日课程目标与课程内容介绍
• 02-网站流量日志获取方式介绍
• 03-埋点js自定义采集原理分析
• 04-网站流量日志-flume采集
• 05-flume采集核心配置介绍
• 06-flume采集程序启动验证
• 07-flume采集输出hdfs目录分析
• 08-flume自定义拦截器代码编写- (1)
• 08-flume自定义拦截器代码编写- (2)
• 10-ETL处理pageview-visit模型介绍及实现思路
• 11-ETL处理-创建hive表接收ETL处理后数据
• 12-ETL处理代码-普通版本-数据清洗过滤实现
• 13-ETL处理代码-普通版本-pageview模型实现
• 14-ETL处理代码-visit模型以及程序运行验证
• 15-ETL处理代码-数据倾斜解决思路
• 16-ETL处理代码-数据倾斜版本-rangepartitioner均匀分区实现
• 17-ETL处理代码-数据倾斜版本-第一次生成sessionid
• 18-ETL处理代码-数据倾斜版本-使用累加器修复分区边界
• 19-ETL处理代码-数据倾斜版本-边界修复验证
• 20-ETL处理代码-数据倾斜版本-最终实现以及验证
• 05-第五章 千亿级电商数仓项目-离线部分-流量指标开发
• 01-今日课程目标与课程内容介绍-1603715133
• 02-生成明细表数据
• 03-流量分析常见指标-基础级-复合级指标
• 04-常见流量分析模型
• 05-基础级指标统计
• 06-基础级指标多维统计分析
• 07-复合指标统计
• 08-分组topn问题-开窗函数
• 09-受访分析
• 10-访客分析
• 11-访客visit分析
• 12-数据导出
• 13-工作流调度和实现方式
• 14-数据导出脚本编写-第一部分
• 15-数据导出脚本编写-第二部分
• 16-增量抽取数据脚本编写
• 17-flume启动停止脚本与数据预处理脚本
• 18-ETL以及指标计算脚本编写
• 19-azkaban定时调度job编写
• 06-第六章 千亿级电商数仓项目-离线部分-Apache kylin
• 01今日课程目标与课程内容介绍
• 02-kylin简介以及应用场景
• 03-kylin的优势以及数据流程图
• 04-kylin的安装
• 05-kylin入门案例
• 06-kylin入门案例结果验证
• 07-kylin入门案例-多张表
• 08-kylin入门案例-一张事实表多张维度表
• 09-kylin维度和度量以及cube与cuboid
• 10-kylin工作原理-技术架构
• 11-kylin全量构建与增量构建介绍
• 12-增量构建model准备
• 13-kylin中cube增量构建演示
• 14-kylin增量构建restapi方式
• 15-kylin碎片管理-手动合并
• 16-kylin碎片管理-手动删除segment
• 17-kylin碎片管理自动合并策略及案例
• 18-kylin自动保留策略以及案例
• 19-jdbc方式查询kylin
• 07-第七章 千亿级电商数仓项目-离线部分-Apache superset
• 7-1 kylin优化
• 7-2 数仓指标-kylin实现
• 7-3 Apache superset
• 08-第八章 千亿级电商数仓项目-实时部分-项目介绍及环境搭建
• 8-1 实时计算应用场景及技术选型
• 8-2 项目背景及架构
• 8-3 canal的介绍及安装部署
• 8-4 protobuf介绍及使用
• 8-5 canal架构及原理
• 09-第九章 千亿级电商数仓项目-实时部分-canal客户端开发
• 9-1 canal的高可用部署
• 9-2 canal客户端模块开发
• 9-3 实时ETL模块开发环境初始化
• 10-第十章 千亿级电商数仓项目-实时部分-维度数据处理及logpasing框架使用
• 10-1 实时ETL模块维度数据处理
• 10-2 实时ETL模块-logparsing框架使用
• 11-第十一章 千亿级电商数仓项目-实时部分-点击流及订单业务数据开发
• 01.【实时数仓-day04】课程目标
• 02.【实时数仓-day04】实时ETL-点击流ETL-定义拉宽后的点击流对象样例类
• 03.【实时数仓-day04】实时ETL-点击流ETL-实时拉宽实现方案
• 04.【实时数仓-day04】实时ETL-点击流ETL-点击流日志转换成对象
• 05.【实时数仓-day04】实时ETL-点击流ETL-将点击流对象转换成拉宽后的点击流对象
• 06.【实时数仓-day04】实时ETL-点击流ETL-将拉宽后的点击流对象写入到kafka集群
• 07.【实时数仓-day04】实时ETL-点击流ETL-阶段总结
• 08.【实时数仓-day04】实时ETL-订单ETL-订单实时ETL业务开发
• 08.【实时数仓-day04】实时ETL-订单明细ETL-订单明细实时ETL需求分析
• 09.【实时数仓-day04】实时ETL-订单明细ETL-订单明细样例类定义
• 10.【实时数仓-day04】实时ETL-订单明细ETL-订单明细异步请求关联维度表数据
• 11.【实时数仓-day04】实时ETL-订单明细ETL-异步IO的原理
• 12.【实时数仓-day04】实时ETL-订单明细ETL-将订单明细数据写入到kafka集群
• 13.【实时数仓-day04】实时ETL-订单明细ETL-订单明细实时ETL到hbase并测试
• 14.【实时数仓-day04】实时ETL-商品数据ETL-商品表数据实时拉宽写入到kafka集群
• 15.【实时数仓-day04】实时ETL-购物车数据ETL-购物车数据实时拉宽写入到kafka集群
• 16.【实时数仓-day04】实时ETL-评论数据ETL-评论数据实时拉宽写入到kafka集群
• 17.【实时数仓-day04】实时ETL-导入数据模拟生成器
• 12-第十二章 千亿级电商数仓项目-实时部分-Phoenix及Druid部署
• 01.【实时数仓-day05】课程目标
• 02.【实时数仓-day05】Phoenix的介绍
• 03.【实时数仓-day05】Phoenix的安装部署
• 04.【实时数仓-day05】Phoenix的入门案例
• 05.【实时数仓-day05】Phoenix创建与Hbase的映射
• 06.【实时数仓-day05】使用Phoenix构建二级索引加快查询效率
• 07.【实时数仓-day05】Phoenix-使用订单明细创建Phoenix映射表并jdbc连接Phoenix
• 08.【实时数仓-day05】Flink的程序优化
• 09.【实时数仓-day05】Druid的介绍
• 10.【实时数仓-day05】Druid的安装和部署
• 11.【实时数仓-day05】Druid-Druid的入门案例
• 12.【实时数仓-day05】Druid-Druid的摄取本地文件案例
• 13.【实时数仓-day05】Druid-Druid的摄取HDFS文件案例
• 14.【实时数仓-day05】Druid-Druid的摄取Kafka流式数据案例
• 15.【实时数仓-day05】Druid-Druid的摄取配置文件格式说明
• 16.【实时数仓-day05】Druid-Druid的数据查询
• 13-第十三章 千亿级电商数仓项目-实时部分-Druid进行OLAP分析及superset可视化
• 01.【实时数仓-day06】课程目标
• 02.【实时数仓-day06】Druid-jdbc操作Druid
• 03.【实时数仓-day06】Druid-点击流日志指标分析
• 04.【实时数仓-day06】Druid-订单数指标分析
• 05.【实时数仓-day06】导入数据可视化项目模块
• 06.【实时数仓-day06】Druid的架构和原理-索引服务介绍
• 07.【实时数仓-day06】Druid的架构和原理-存储服务和查询服务节点介绍
• 08.【实时数仓-day06】Druid的架构和原理-Druid数据存储
• 09.【实时数仓-day06】superset的介绍
• 10.【实时数仓-day06】superset的安装部署
• 11.【实时数仓-day06】superset的入门案例
• 12.【实时数仓-day06】Mysql订单分析案例
• 13.【实时数仓-day06】superset的权限介绍
• 14.【实时数仓-day06】superset的自定义角色
• 13-阶段十三 机器学习 (拓展课程)
• 01-第一章 就业课(2.0)-机器学习入门
• 1-1 机器学习概念入门
• 1-2 机器学习数学基础
• 02-第二章 就业课(2.0)-机器学习语言基础之Python语言
• 2-1 机器学习语言基础之Python语言(上)
• 2-2 机器学习语言基础之Python语言(下)
• 03-第三章 就业课(2.0)-Python数据分析库实战
• 3-1 Python数据分析库实战(上)
• 3-2 Python数据分析库实战(下)
• 04-第四章 就业课(2.0)-用户标签预测项目实战
• 4-1 用户画像标签预测实战
• 4-2 集成学习算法
• 4-3 数据挖掘项目构建人才(用户)流失模型
• 05-第五章 就业课(2.0)-推荐系统
• 5-1 推荐系统入门
• 5-2 推荐案例实战(上)
• 5-3 推荐案例实战(下)
• 06-第六章 就业课(2.0)-CTR点击率预估实战
• 6-1 CTR点击率预估实战
• 07-第七章 就业课(2.0)-机器学习面试必备
• 10-推荐系统-简历写法及注意事项
• 14-阶段十四 云计算 (拓展课程)
• 01-第一章 虚拟化
• 1-1 kvm虚拟化部署实践（上）
• 1-2 kvm虚拟化部署实践（下）
• 02-第二章 阿里云
• 2-1 01_ECS
• 2-2 02_RDS
• 2-3 03_NAS
• 2-4 04_OSS
• 2-5 05_SLB
• 2-6 06_CDN
• 03-第三章 私有云
• 3-1 OpenStack私有云企业级实战
• 04-第四章 容器
• 4-1 企业级容器实战之Docker
• 05-第五章 容器编排k8s
• 5-1 KubernetesK8S容器编排工具（上）
• 5-2 KubernetesK8S容器编排工具（中）
• 5-3 KubernetesK8S容器编排工具（下）
• 15-阶段十五 大数据-就业指导技巧
• 01-第一章 大数据-就业指导技巧
• 1-1 课程介绍
• 1-2 简历内容篇
• 1-3 工作内容篇
• 1-4 市场行情篇
• 1-5 求职内容篇
• 1-6 面试内容篇
• 1-7 人事内容篇
• 1-8 求职心态篇