• 大数据培训新三板挂牌机构 股票代码:837906 | EN CN

    什么样的人适合参加学习

    about our lessons关于课程
    最新场景应用
    大数据开发应用流程全覆盖
    八大项目掌握大数据关键技能
    高并发
    采集服务第二章
    支持多种移动终端和物联网数据的可扩展接入,并具备大规模接入并发处理能力。能够兼容主流行业通用的可扩展协议和规范,并采用高可靠的集群或者负载均衡技术框架来解决。如引入Mina或者Netty技术框架后适配各种多种移动终端接入。标准化接入要求常用的字节流、文件、Json等数据格式符合主流标准格式。
    高可扩展
    海?#30475;?#20648;服务第四章
    支持数据类型和数据表可扩展,对物联网大数据进行海?#30475;?#20648;和计算,尤其适用于初创公司研发百万级用户之内的大数据?#25945;ā?/dd>
    高可并发
    海?#30475;?#20648;服务第五章
    支持数据类型和数据量的高速增长,对物联网大数据进行批处理,适合构建PB级数据量和千万级用户量的?#30772;教ā?/dd>
    高可靠
    海?#30475;?#20648;服务第六章
    支持物联网多源异构数据的统一高效和海?#30475;?#20648;,并提供易于扩展的行业数据的离线计算?#22242;?#22788;理架构,适合构建ZB级数据量和亿级用户量的分布式大?#25945;ā?/dd>
    灵活分发服务第三章
    按照分析应用需求,转发不同的数据类型和数据格式,交互方式之一是主流的消息中间件MQ或者Kafka,保证高效的转发并转换数据给数据服务运营方。交互的方式之二是Restful 方式,保证数据可以按?#25307;?#35758;规范进行安全可靠的数据转发和传输。
    自定义迁移服务第九章
    支持对物联网大数据的整体迁移和同步,通过数据转换和数据迁移工具对不同数据类型和数据格式进行整体迁移,实现数据集的自定义生成。
    基于Spark生态
    实时计算服务第七章
    支持对物联网大数据智能分析能力,通过企业级中间件服务框架提供安全可靠接口,实现数据实时统计和计算。
    基于机器学习
    智能分析服务第八章
    支持安全高效的机器学习算法,通过支持分布式分类、聚类、关联规则?#20154;?#27861;,为用户和物联网机构提供个性化的智能分析服务。
    课程大纲

    第一章

    企业物联网大数据?#25945;?#39033;目的总体设计
    1. ?#25945;?#26550;构设计的总体技术要求
    2. 微服务引擎的可扩展性设计
    3. 微服务引擎的优秀解决方案

    1)高并发采集微服务

    2)灵活转发微服务

    3)高可扩展海?#30475;?#20648;服务

    4)高并发海?#30475;?#20648;服务

    5)高可靠海?#30475;?#20648;服务

    6)实时计算服务

    7)基于机器学习的智能分析服务

    8)自定义迁移服务

    第二章

    物联网大数据高并发采集微服务引擎
    1. 核心需求分析和优秀解决方案
    2. 服务引擎的技术架构设计

    1)Maven 与 Eclipse 集成配置

    2)Mina2.0 框架以及业务设计

    3)设备协议规范制定及数据包设计

    4)按照设备和数据类型进行业务树构建

    5)按照设备的数据包状态进行解析

    6)按照通用方式进行高并发入库

    3. 核心技术讲解及模块化设计

    1)Spring Maven Web 服务构建

    2)Spring Boot 微服务构建

    3)数据包定义和实现

    4)业务树构建和实现

    5)数据包状态进行解析实现

    6)按照通用方式进行高并发入库实现

    7)?#31361;?#31471;模拟器工具类进行高并发测试

    第三章

    物联网大数据灵活转发微服务引擎
    1. 核心需求分析和优秀解决方案
    2. 服务引擎的技术架构设计
    3. 核心技术讲解及模块化实现

    1)Spring MVC Web 服务构建

    2)Spring Boot 微服务构建

    3)灵活配置和通用工具类构建

    4)创建发送数据主题,注册观察者对象

    5)启动多线程进行数据发送

    6)采用 Post 策略模式进行数据发送

    7)采用 ActiveMQ 策略模式进行数据发送

    第四章

    物联网大数据高可扩展海?#30475;?#20648;微服务引擎
    1. 核心需求分析和优秀解决方案
    2. 服务引擎的技术架构设计
    3. 核心技术讲解及模块化设计

    1)SpringMVC 的工作原理及执行流程

    2)SpringMVC Web 服务构建

    3)SpringBoot Web 微服务构建

    4)统一对外数据接?#25112;?#21475;及通用类

    5)Mysql 对智能终端运动数据的分状态和分策略处理

    6)Mysql 对智能终端运动数据的分职责处理

    7)Mysql 对智能终端运动数据的统一入库处理

    第五章

    物联网大数据高并发海?#30475;?#20648;微服务引擎
    1. ?#25945;?#26550;构设计的总体技术要求
    2. 微服务引擎的可扩展性设计
    3. 微服务引擎的优秀解决方案

    1)SpringMVC 和 Spring Boot 集成 MongoDB

    2)MongoTemplate 核心类实现 Dao 层接口

    3)基于 MongoDB 处理智能终端运动数据

    4)基于 MongoDB 管道技术处理体检数据

    5)基于 AngularJS 架构可视化体检数据

    第六章

    物联网大数据高可靠海?#30475;?#20648;微服务引擎
    1. 核心需求分析和优秀解决方案
    2.服务引擎的技术架构设计
    3. 核心技术讲解及模块化设计

    1)Hadoop 完全分布式集群构建

    2)Spring MVC 和 Spring Boot 集成 Hbase

    3)HbaseTemplate 核心类实现 Dao 层接口

    4)Hbase 集群的智能终端运动数据 Controller 接口

    5)Hbase 集群的智能终端运动数据 Service 接口

    6)Hbase 集群的智能终端运动数据 Dao 接口

    第七章

    企业物联网大数据?#25945;?#39033;目的总体设计
    1. ?#25945;?#26550;构设计的总体技术要求
    2. 微服务引擎的可扩展性设计
    3. 微服务引擎的优秀解决方案

    1)分布式采集服务 Flume 部署及数据采集

    2)分布式消息服务 Kafka 部署及数据发送

    3)创建 Hbase 数据库和 Spark 环境

    4)分布式实时处理引擎 SparkStreaming 原理及数据处理

    5)构建 BD_RTPServer_DP 工程实现数据处理

    6)7.3.6 构建 BD_RTPServer_Boot 服务实现可视化

    第九章

    企业物联网大数据?#25945;?#39033;目的总体设计
    1. ?#25945;?#26550;构设计的总体技术要求
    2. 微服务引擎的可扩展性设计
    3. 微服务引擎的优秀解决方案

    1)Hadoop 生态的核心组件

    2)Hbase 工作原理

    3)Sqoop 工作原理

    4)MapReduce 工作原理

    5)Sqoop 抽取历史数据到 HDFS

    6)构建工程 BD_CustomTransfer_Maven

    7)智能终端运动数据从 Mysql 数据迁移到 Hive

    第八章

    物联网大数据高并发采集微服务引擎
    1. 核心需求分析和优秀解决方案
    2.服务引擎的技术架构设计

    1)Maven 与 Eclipse 集成配置

    2)Mina2.0 框架以及业务设计

    3)设备协议规范制定及数据包设计

    4)按照设备和数据类型进行业务树构建

    5)按照设备的数据包状态进行解析

    6)按照通用方式进行高并发入库

    3. 核心机器学习算法讲解和应用

    1)逻辑回归的原理分析

    2)支持向量机原理分析

    3)决策树原理分析

    4)聚类算法原理分析

    5)关联规则算法原理分析

    6)协同过滤原理分析

    3. Spark 架构原理与数据预测

    1)YARN 运行架构工作原理

    2)Spark Mlib 核心技术

    3)Spring Maven 工程构建

    4)决策树预测体检费用

    5)逻辑回归预测体检费用

    6)随机森林预测体检费用

    7)支持向量机预测疾病概率

    8)协同过?#36865;?#33616;药品

    点击定制学习路线
    about our teacher关于讲师
    ●国内知名大数据专家,拥有16年国家级和集团重大专项的架构设计和管理经验。
    ●拥有大数据和人工智能领域发明专利40多项。
    ●中国移动资深大数据专家和技术总监。
    ●2007年获得北京?#23454;?#22823;学计算机硕士学位。
    ●2018年在清华大学出版社发布第一部专著《大数据架构之道和项目实战》。兼职担任大唐集团和北京?#23454;?#22823;学专家。
    ●国内知名大数据和人工智能培训专家。
    ●在大数据和人工智能领域拥有10多项发明专利。
    ●中国移动研究院技术经理兼资深架构师。
    ●2006年获清华大学计算机学士学位
    ●2009年获中国电科工学硕士,并担任高级项目经理。
    ●参与的大型项目曾获国家科技进?#25945;?#31561;?#20445;?#25317;有12年的国家级项目研发和设计经验。
    ●国内知名大数据专家,拥有16年大型项目开发管理经验。
    ●精通千万级用户规模的?#30772;教ā?br/>●曾担任北京数创环宇技术总监。
    ●授课方式严肃而不失活?#33579;?#36923;辑条理清晰,受到一致好评。
    ●大数据全栈技术专家
    ●擅长通用?#25945;?#25216;术和前瞻技术研究。
    ●易车智能广告投放系统高级工程师。
    ●曾担任中国移动研究院分布式技术负责人,博彦科技技术经理
    ●讲课幽默风趣,深受广大同学爱戴
    about blog名师博客
    about our textbook关于教材
    10万行源代码10多年项目实战经验总结开发过程细致讲解
    涵盖了大数据五大技术体?#25285;⊿pring微服务、Hadoop离线计算、Spark实时计算、机器学习和设计模式)、阐述了八个通用微服务的架构设计和开发流程,是资深架构师10多年项目实战经验总结和提炼,提供10万行源代码,是大数据全栈工程师的技术红宝书。在广泛借鉴了?#30340;?#30693;名项目的设计思想?#26657;?#20840;面阐述了八个通用服务的开发过程,细致讲解了高并发采集服务、灵活转发服务、高可扩展海?#30475;?#20648;服务、高并发海?#30475;?#20648;服务、高可靠海?#30475;?#20648;服务、实时计算服务、智能分析服务、自定义迁移服务?#32676;?#24515;代码和技术架构。课程秉承?#32844;?#25163;传授大?#25945;?#35774;计思想和微服务开发的过程,让每一位同学在代码实战中全面掌握大数据知识体?#25285;?#22312;项目实践中快速精通大数据专业技术。
    about us关于小牛
    小牛学堂——周末班
    对通过考核的同学发放毕业证书
    推荐面?#20113;?#19994;,并免费提供面试、简历指导
    小牛学堂——周末班
    我的基础适合学习吗?
    让课程导师在线评估一下
    澳洲幸运8开奖网站