Kurskod

ApHadm1

Varaktighet

21 timmar (vanligtvis 3 dag inklusive pauser)

Krav

Attendees are not required to have any specific skill as the training is focused on end users skills for both the administration and the manipulation of data under Apache Hadoop

Översikt

Kursen är avsedd för utvecklare, arkitekter, datavetenskapare eller någon profil som kräver tillgång till data antingen intensivt eller regelbundet Kursens huvudfokus är dataprofilering och transformation Bland de verktyg som ingår i Hadoop ekosystemet ingår i denna kurs användningen av gris och hiva som båda används kraftigt för datatransformation och manipulation Denna utbildning behandlar även prestandametri och prestationsoptimering Kursen handlar helt och hållet och skiljer sig genom presentationer av de teoretiska aspekterna .

Machine Translated

Kursplan

1.1Hadoop Concepts

1.1.1HDFS

The Design of HDFS
Command line interface
Hadoop File System

1.1.2Clusters

Anatomy of a cluster
Mater Node / Slave node
Name Node / Data Node

1.2Data Manipulation

1.2.1MapReduce detailed

Map phase
Reduce phase
Shuffle

1.2.2Analytics with Map Reduce

Group-By with MapReduce
Frequency distributions and sorting with MapReduce
Plotting results (GNU Plot)
Histograms with MapReduce
Scatter plots with MapReduce
Parsing complex datasets
Counting with MapReduce and Combiners
Build reports

1.2.3Data Cleansing

Document Cleaning
Fuzzy string search
Record linkage / data deduplication
Transform and sort event dates
Validate source reliability
Trim Outliers

1.2.4Extracting and Transforming Data

Transforming logs
Using Apache Pig to filter
Using Apache Pig to sort
Using Apache Pig to sessionize

1.2.5Advanced Joins

Joining data in the Mapper using MapReduce
Joining data using Apache Pig replicated join
Joining sorted data using Apache Pig merge join
Joining skewed data using Apache Pig skewed join
Using a map-side join in Apache Hive
Using optimized full outer joins in Apache Hive
Joining data using an external key value store

1.3Performance Diagnosis and Optimization Techniques

Map
- Investigating spikes in input data
- Identifying map-side data skew problems
- Map task throughput
- Small files
- Unsplittable files
Reduce
- Too few or too many reducers
- Reduce-side data skew problems
- Reduce tasks throughput
- Slow shuffle and sort
Competing jobs and scheduler throttling
Stack dumps & unoptimized code
Hardware failures
CPU contention
Tasks
- Extracting and visualizing task execution times
- Profiling your map and reduce tasks
Avoid the reducer
Filter and project
Using the combiner
Fast sorting with comparators
Collecting skewed data
Reduce skew mitigation

Vittnesmål

★★★★★

Vad tyckte du mest om träningen ?: Detaljerat på varje verktyg.

Amber Mehrotra - NIIT Limited

Kurs:Hadoop Administration

Machine Translated

Det faktum att all data och programvara var redo att användas på en redan förberedd VM, som tillhandahålls av tränaren i externa skivor.

vyzVoice

Kurs:Hadoop for Developers and Administrators

Machine Translated

Jag tyckte mest om tränaren som gav riktiga levande exempel.

Simon Hahn