本章将从故事说起，让大家明白大数据是与我们的生活息息相关的，并不是遥不可及的，还会介绍大数据的特性，以及大数据对我们带来的技术变革，大数据处理过程中涉及到的技术以及大数据典型应用。

• 1-1 课程导学
  
• 1-2 ***学前必读***（助你平稳踩坑，畅学无忧，课程学习与解决问题指南）
• 1-3 课程目录
• 1-4 从一个案例说起
• 1-5 什么是大数据以及大数据的4V特征
  
• 1-6 大数据带来的技术变革
• 1-7 大数据现存的模式
• 1-8 大数据的技术概念
• 1-9 大数据带来的挑战
• 1-10 如何对大数据进行存储和分析
• 1-11 大数据典型应用
  

本章节将带领大家认识Hadoop以及Hadoop生态系统、Hadoop的发展史、Hadoop的优势、Hadoop的三个核心组件、Hadoop发行版的选择，为后续深入讲解Hadoop打下坚实的基础。

• 2-1 课程目录
• 2-2 Hadoop概述
• 2-3 Hadoop核心组件之HDFS概述
• 2-4 Hadoop核心组件之MapReduce
• 2-5 Hadoop核心组件之YARN
• 2-6 Hadoop优势
• 2-7 Hadoop发展史
• 2-8 Hadoop生态圈
• 2-9 Hadoop发行版选型
• 2-10 OOTB环境的使用
  

本章将从Hadoop的设计目标、架构及文件系统命令空间出发，快速搭建单节点伪分布式HDFS的实验环境，通过讲解使用hdfs shell以及Java API的方式操作HDFS文件系统，详细分析HDFS文件的读写流程，并通过HDFS API来实现词频统计案例，使得大家对Hadoop分布式文件系统HDFS有深刻的认识以及实战。 ...

• 3-1 HDFS概述
• 3-2 HDFS设计目标
• 3-3 HDFS架构详解
• 3-4 文件系统NameSpace详解
• 3-5 HDFS副本机制
• 3-6 本课程使用的Linux环境介绍
• 3-7 Hadoop部署前置介绍
• 3-8 JDK1.8部署详解
• 3-9 ssh无密码登陆部署详解
• 3-10 Hadoop安装目录详解及hadoop-env配置
• 3-11 HDFS格式化以及启动详解
• 3-12 HDFS常见文件之防火墙干扰
• 3-13 Hadoop停止集群以及如何单个进程启动
• 3-14 Hadoop命令行操作详解
• 3-15 深度剖析Hadoop文件的存储机制
• 3-16 HDFS API编程之开发环境搭建
• 3-17 HDFS API编程之第一个应用程序的开发
• 3-18 HDFS API编程之jUnit封装
• 3-19 HDFS API编程之查看HDFS文件内容
• 3-20 HDFS API编程之创建文件并写入内容
• 3-21 HDFS API编程之副本系数深度剖析
• 3-22 HDFS API编程之重命名
• 3-23 HDFS API编程之copyFromLocalFile
• 3-24 HDFS API编程之带进度的上传大文件
• 3-25 HDFS API编程之下载文件
• 3-26 HDFS API编程之列出文件夹下的所有内容
• 3-27 HDFS API编程之递归列出文件夹下的所有文件
• 3-28 HDFS API编程之查看文件块信息
• 3-29 HDFS API编程之删除文件
• 3-30 HDFS项目实战之需求分析
• 3-31 HDFS项目实战之代码框架编写
• 3-32 HDFS项目实战之自定义上下文
• 3-33 HDFS项目实战之自定义处理类实现
• 3-34 HDFS项目实战之功能实现
• 3-35 HDFS项目实战之使用自定义配置文件重构代码
• 3-36 HDFS项目实战之使用反射创建自定义Mapper对象
• 3-37 HDFS项目实战之可插拔的业务逻辑处理
• 3-38 HDFS Replica Placement Policy
• 3-39 HDFS写数据流程图解
• 3-40 HDFS读数据流程图解
• 3-41 HDFS Checkpoint详解
• 3-42 HDFS SaveMode
  

本章将从架构、编程模型等角度带大家认识Hadoop的分布式计算框架MapReduce，掌握MapReduce各个核心组件编程，并通过两个案例让大家深入掌握MapReduce编程的方方面面。

• 4-1 课程目录
• 4-2 MapReduce概述
• 4-3 MapReduce编程模型详解
• 4-4 MapReduce编程模型核心概念详解
• 4-5 词频统计之自定义Mapper实现
• 4-6 词频统计之自定义Reducer实现
• 4-7 词频统计之自定义Driver类实现
• 4-8 词频统计之本地方式运行
• 4-9 词频统计之通过Debug方式进一步了解偏移量以及重构代码
• 4-10 词频统计升级之Combiner操作
  
• 4-11 流量统计实战之需求
• 4-12 流量统计实战之自定义复杂数据类型
• 4-13 流量统计实战之自定义Mapper类
• 4-14 流量统计实战之自定义Reducer实现
• 4-15 流量统计实战之Driver开发
• 4-16 流量统计实战之代码重构及NullWritable的使用
• 4-17 流量统计实战升级之自定义Partitioner
  

本章将从YARN的产生背景、YARN的架构及执行流程的角度带大家认知Hadoop的资源调度框架YARN，快速搭建单节点伪分布式YARN的实验环境并掌握如何提交MapReduce作业提交到YARN上运行。

• 5-1 课程目录
• 5-2 YARN产生背景
• 5-3 YARN概述
• 5-4 YARN架构详解
• 5-5 YARN执行流程
• 5-6 YARN环境部署
• 5-7 提交example案例到YARN上运行
• 5-8 提交流量统计案例到YARN上运行
  

本章将通过电商用户行为日志分析的项目实战，来将前面几个章节讲解的知识点串联起来，综合使用Hadoop的技术进行离线统计分析。

• 6-1 课程目录
• 6-2 用户行为日志概述
• 6-3 为什么要记录用户行为日志
• 6-4 日志内容介绍
• 6-5 用户行为日志分析的意义所在
• 6-6 电商常用术语
• 6-7 项目需求描述
• 6-8 数据处理流程及技术架构
• 6-9 浏览量统计功能实现
• 6-10 省份浏览量统计之IP库解析
• 6-11 省份浏览量统计之日志解析
• 6-12 省份浏览量统计之功能实现
• 6-13 页面浏览量统计之页面编号获取
• 6-14 页面浏览量统计之功能实现
• 6-15 数据处理过程中ETL的重要性
• 6-16 原始日志ETL操作
• 6-17 浏览量统计功能升级
• 6-18 省份浏览量统计功能升级
• 6-19 页面浏览量统计功能升级思路
• 6-20 打包到服务器上运行
• 6-21 项目扩展
  

本章将从Hive的产生背景、体系架构、Hive部署、DDL以及DML来掌握Hive使用的方方面面。

• 7-1 课程目录
• 7-2 Hive产生背景
• 7-3 Hive是什么
• 7-4 为什么要使用Hive
• 7-5 Hive在Hadoop生态圈中的位置
• 7-6 Hive体系架构
• 7-7 Hive部署架构
• 7-8 Hive与RDBMS的区别
• 7-9 Hive部署
• 7-10 Hive快速入门
• 7-11 Hive DDL之数据库操作
• 7-12 Hive DDL之表操作
• 7-13 Hive DML之加载和导出数据
• 7-14 Hive QL基本统计
• 7-15 Hive QL之聚合函数
• 7-16 Hive QL之分组函数
• 7-17 Hive QL之join的使用
• 7-18 Hive QL执行计划
  

本章将使用Hive对电商用户行为日志分析进行重新实现，让大家对MapReduce编程和Hive实现的方式进行对比，体会Hive在生产上使用的便捷性。

• 8-1 课程目录
• 8-2 外部表在Hive中的使用
• 8-3 track_info分区表的创建
• 8-4 将ETL的数据加载到Hive表
• 8-5 使用Hive完成统计分析功能
• 8-6 Hive实现项目的方便性体现
  

本章将带领大家搭建一个三个节点的分布式Hadoop集群环境，让大家对于Hadoop集群的安装有更深入的认识，并将项目实战案例运行在分布式集群环境中。

• 9-1 课程目录
• 9-2 Hadoop集群规划
• 9-3 前置条件安装
• 9-4 JDK安装
• 9-5 Hadoop集群部署
• 9-6 提交作业到Hadoop集群上运行
• 9-7 课程总结
  

本章将从SQL中的join入手，详细剖析如何在MapReduce中实现JOIN，这是面试中经常被考察到的点，考察你的MapReduce功底以及优化策略。

• 10-1 Join概述
• 10-2 ReduceJoin流程分析
• 10-3 ReduceJoin功能实现
• 10-4 MapJoin实现原理
• 10-5 MapJoin功能实现
  

本次分享中，主要针对剖析小文件的产生、对集群带来的影响以及解决方案相关内容进行了讲解。

• 11-1 小文件问题
• 11-2 什么是小文件
• 11-3 小文件怎么产生的
• 11-4 小文件解决方案（上）
• 11-5 小文件解决方案（下）
• 11-6 Hadoop真的凉了吗
  

本次分享主题主要剖析在生产上常用的Hadoop特性，如：小文件、集群间数据拷贝、回收站等。

• 12-1 文件归档及透明访问
• 12-2 distcp及scp
• 12-3 回收站
  

本章中，将带领大家学习里程碑版本hadoop 3.x中带来了哪些新特性；掌握云主机的选型以及如何基于云主机进行Hadoop3.x的部署及使用；同时将升级本课程内容到Hadoop3.2.1。

• 13-1 课程目录
• 13-2 如何从官网获取Hadoop3.x新特性
• 13-3 Hadoop3.x新特性之JDK8
• 13-4 Hadoop3.x新特性之EC技术详解
• 13-5 Hadoop3.x新特性之其他
• 13-6 云服务器及大数据相关产品了解_1
• 13-7 如何快速选型并开通云主机
• 13-8 云主机配置修改
• 13-9 JDK部署
• 13-10 HDFS部署
• 13-11 免密码登陆配置
• 13-12 YARN部署及使用
• 13-13 Hadoop3.x端口问题分析
• 13-14 将项目升级运行到Hadoop3.x之上
• 13-15 云服务器停止及销毁
• 13-16 本章小结
  

本章中，将向大家介绍，压缩能为我们带来哪些好处，压缩格式以及压缩场景，压缩和解压缩编程实战，Hadoop结合压缩的使用。

• 14-1 课程目录
• 14-2 为什么要使用压缩
• 14-3 压缩的使用场景
• 14-4 压缩使用的注意事项-
• 14-5 常见压缩格式-
• 14-6 Codec详解
• 14-7 压缩编程实战
• 14-8 解压缩编程实战
• 14-9 压缩和解压缩在Hadoop源码中的体现
• 14-10 Hadoop整合压缩使用之代码设置
• 14-11 Hadoop整合压缩使用之配置文件设置
• 14-12 作业
• 14-13 本章小结