Hadoop在云计算技术的作用和地位

传统大规模数据分析存在的问题
Hadoop概述
Hadoop与分布式文件系统 
MapReduce的工作原理与机制 
Hadoop集群剖析 
Hadoop生态系统
Hadoop的行业应用案例分析
Hadoop在云计算和大数据的位置和关系
案例演示：阿里集团技术平台，Hadoop在淘宝、支付宝的作用
电商眼中的Hadoop和推荐系统。
暴风数据平台：Hadoop对于产品优化的价值。
Hadoop对于趣游、热酷等游戏公司的作用
移动大云项目(big cloud)中的Hadoop
联通使用Hadoop/Hbase解决3G详单查询问题。

Hadoop参数调优

选择适合hadoop的硬件配置
Hadoop配置项优化
Hadoop配置优化 - core-site.xml
Hadoop配置优化 - HDFS
Hadoop配置优化 - hdfs-site.xml
Hadoop配置优化 - mapred-site.xml
Hadoop配置优化 - 机架感知
网络带宽参数调优
系统参数调优
配置文件管理
严格控制root权限
Java的GC模式
选择正确的JDK
hadoop作业调优
Map side tuning设置
Map side设置
Linux操作系统优化
其他配置和参数调优
core-default.xml，
hdfs-default.xml，
mapred-default.xml。
mapred-site.xml
mapred.tasktracker.map.tasks.maximum
mapred.reduce.slowstart.completed.maps
mapred.fairscheduler.preemption
mapred.jobtracker.completeuserjobs.maximum
mapred.jobtracker.update.faulty.tracker.interval
mapred.jobtracker.max.blacklist.percent
案例演示：Hadoop硬件优化
不是所有的硬件都合适拿来直接使用
安装调优的第一步服务器硬件的选型的窍门
如何选择适合业务使用的CPU
内存越大越好吗？设置合理的的内存配置
连接网络的选择和优化
高速硬盘的选择注意事项
硬盘为什么不做raid？
设置网络的注意事项
中间结果压缩对磁盘和网络的优化
机架感知，网络和磁盘IO优化作用，确定存储的具体位置，
内存参数，map/reduce槽位数的计算方法。
对磁盘和网络的优化
Java工具使用，jstack使用
Sun和open之间的区别，JIT编译器的使用
inux系统参数调优
Linux监控系统的使用
cacti,
ganglia
常用的linux排错工具lsof,strace,iostat,vmstat,netstat...
常见异常现象级处理方法
网卡流量导致连接失败
权限错误
主机名IP转换错误
NN与DN namespaceID不一致
磁盘满导致报错
Jave heap size OOM

精彩案例及故障解决方法解析

案例一：namenode被重新格式化，datanode无法连接
现象：namenode 中的namespaceID与datanode中的namespaceID不一致
案例二：硬盘损坏
现象：磁盘损坏导致datanode宕机
案例三：错误用户启动hadoop
现象：datanode启动一段时间后宕机
案例四：tasktracker重启后假死
现象：无报错，但tasktracker不工作。
案例五：jobtracker无故宕机
现象：运行过程中jobtracker宕机
案例六：datanode无法注册到namenode
现象：datanode启动后到MBean这步挂起不再继续。
案例七：tasktracker无法启动，报权限错误
现象：tasktracker报文件夹创建的权限错误后直接退出。
案例八：主机名设置错误
现象：datanode 和tasktracker无法正常工作

Hadoop组件详解

Hadoop HDFS 基本结构
Hadoop HDFS 副本存放策略
Hadoop NameNode 详解
Hadoop SecondaryNameNode 详解
Hadoop DataNode 详解
Hadoop JobTracker 详解
Hadoop TaskTracker 详解
案例演示：Hadoop Mapper类核心代码
Hadoop Reduce类核心代码
Hadoop 核心代码

Hadoop安装和部署

Hadoop系统模块组件概述
Hadoop试验集群的部署结构
Hadoop 安装依赖关系
Hadoop 生产环境的部署结构
Hadoop集群部署
Hadoop 高可用配置方法
Hadoop 集群简单测试方法
Hadoop 集群异常Debug方法
案例演示：Hadoop安装部署实验
Red hat Linux基础环境搭建
Hadoop 单机系统版本安装配置
Hadoop 集群系统版本安装和启动配置
使用 Hadoop MapReduce Streaming 快速测试系统
Hadoopcore-site，hdfs-site，mapred-site 配置详解

Hadoop和传统数据库技术优劣势对比

Hadoop/Hive 对比 Oracle 在构建数据仓库上的优劣势
Hadoop 如何和传统IT系统配合完成原来不可能的任务
案例演示：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

使用 Hadoop MapReduce Streaming 编程
MapReduce流程 
剖析一个MapReduce程序
基本MapReduceAPI 概念 
驱动代码 Mapper、Reducer
Hadoop流
API 使用Eclipse进行快速开发 
新MapReduce API
MapReduce的优化
MapReduce的任务调度
MapReduce编程实战
如何利用其他Hadoop相关技术，包括Apache Hive， Apache Pig，Sqoop和Oozie等
满足解决实际数据分析问题的高级Hadoop API
案例演示：Hadoop Streaming 和 Java MapReduce Api 差异。
MapReduce 实现数据库功能
利用Combiners来减少中间数据
编写Partitioner来优化负载平衡
直接访问Hadoop分布式文件系统（HDFS）
Hadoop的join操作
辅助排序在Reducer方的合并
定制Writables和WritableComparables
使用SequenceFiles和Avro文件保存二进制数据
创建InputFormats OutputFormats
Hadoop的二次排序
Hadoop的海量日志分析
在Map方的合并

精彩案例及故障解决方法解析

案例一：控制map & reduce个数
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。
案例二：压缩中间数据
现象：job中间临时数据量级大、网络IO吞吐量大。
案例三：编程细节，内存溢出
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。
案例四：编程细节，计数&日志打印
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。
案例五： 作业调度
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。
案例六：Combiner优化
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

Hive和Pig基础 
Hive的作用和原理说明
Hadoop仓库和传统数据仓库的协作关系
Hadoop/Hive仓库数据数据流
Hive 部署和安装
Hive Cli 的基本用法
HQL基本语法
使用Oozie的动机 
Oozie工作流定义格式 
案例演示：使用JDBC 连接Hive进行查询和分析
使用正则表达式加载数据
HQL高级语法
编写UDF函数
编写UDAF自定义函数
使用Sqoop进行数据分析
使用oozie配置工作流
phpHiveAdmin 安装和使用