400-650-7353

全国统一专线:9:00-21:00

详细了解大数据培训课程路线
学习实战大数据技术

目前课程升级时间2024年1月

SYSTEM

优就业大数据课程体系

  • 紧跟企业所需

    程研发随时关注最近技术与企业中使用频率高的技术,根据调研结果研发符合现在情况与未来潮流的课程大纲,课程中会去掉淘汰很久并且无用的技术,整套课程最终为培养成高级大数据开发工程师为目标,在讲解基础的同时,更会深入的讲解其原理,做到知其然也知其所以然,课程中也会涉及到Java基础、JDBC技术、服务器端技术、Maven、Spring、SpringBoot、Git、Hadoop、Scala、Spark、Flink等。为学员在就业中更加有竞争力。

  • 丰富实战项目

    程的每个阶段都有实战项目穿插,包含海王星大数据金融平台、交通流量实时可视化大屏、畅游天涯旅游实时分析项目、EWR消费信用风险舆情系统、Monoceros物流大数据平台、物流Kubernetes+Docker项目迁移等项目,项目种类繁多,而且项目中包含了每个阶段的知识点,在了解原理的同时,提升自己的动手操作能力。

  • 一体化学习模式

    过面授:老师面对面讲授、手把手辅导、搭配CTS系统晚上可以看白天录屏课程、保时保量,网课:优质团队随时随地在线学习、一年内反复听,直播:优就业讲师授课、直播+录播互动式教学、随时互动答疑、不定期推出众多免费公开课,图书:提供优就业自主研发书籍,可以更轻松的了解课程知识。并配备各种专业老师,如教务老师、就业老师、学管师、助教老师、实训老师等等,为大家提供专项的服务。

ROUTE

优就业大数据课程学习路线

开始大数据学习

Java基础

面向对象

Spring+SpringBoot

Java Web

Linux

Hadoop生态系统

Flink技术栈

Spark技术栈

项目实战

机器学习

恭喜达成

初级Java工程师

恭喜达成

中级Java工程师

恭喜达成

大数据开发工程师

恭喜达成

大数据Spark开发工程师

恭喜达成

中级大数据工程师

继续
晋级
继续
晋级
继续
晋级
继续
晋级

主要介绍JDK的安装和配置,Java的分支结构,循环结构,数组的使用,掌握编程学习技巧。

培养学员面向对象的编程思想,理解封装、继承、多态等特性,掌握常用类、异常、IO操作、多线程、集合的特点和使用,充分理解并运用Java面向对象思想来进行程序开发,掌握JDK新特性的使用。

主要学习Spring框架的企业级开发,熟悉Spring模块结构和作用,理解掌握SpringIOC和SpringAOP,掌握Maven项目构建和管理,掌握版本控制器Git的使用,能够使用SpringBoot简化项目开发。

主要介绍前端技术,MySQL的安装与使用,事务及连接池的使用,服务器的使用,Servlet的基础和进阶,JSP的原理及使用,MVC设计模式。

主要学习虚拟机的安装,Linux操作系统安装及基本命令,掌握shell脚本编程。

主要学习Hadoop集群的安装和配置,Hadoop框架的原理和编程,Hadoop生态圈最火的十几种技术:Hive、HBase、Phoeinx、Impala、Kylin、Flume、Sqoop、DataX、Oozie、Azkaban、Hue等;智慧农业数仓分析平台大项目数据实战。

主要包含Flink实时计算、Flink离线计算、Flink并行处理技术等,使学员熟练掌握目前市面上最火的Flink框架的开发和调优。

主要学习Scala、Spark Core、Spark SQL、Spark Streaming、Spark MLlib、Spark GraphX等技术,使学员熟练掌握Spark的离线和实时计算,对Spark的机器学习模块和图形计算也有一定的了解和认知;交通领域汽车流量监控大项目数据实战。

多行业大型项目、大厂级深度项目。目前采用的是高铁电务设备智能监控项目、中国移动公司手机充值项目、中国天气网流量数据统计分析项目、智慧农场项目和交通领域汽车流量监控项目。

主要是Python+机器学习算法等,使学员掌握机器学习算法理论基础,熟悉Python语言基础及数据算法库,掌握SparkMLlib机器学习框架的基本使用。

小贴士:通过以上技术的学习大家都可以找到比较理想的工作,如果想要成为更顶级的大佬,还需要更多的实践。学习过程中不要忘了多上手操作。

OUTLINE

优就业大数据课程大纲

  • 第一阶段

    Java基础

  • 第二阶段

    Hadoop技术栈

  • 第三阶段

    Spark技术栈

  • 第四阶段

    Flink流式处理框架

  • 第五阶段

    项目实战+机器学习

  • Java基础语法
  • 面向对象编程
  • 集合&异常&IO&多线程&JDK新特性

Java基础语法

Java语言介绍
JDK下载与安装
环境变量配置
HelloWorld案例
注释
关键字
标识符
运算符
流程控制
方法
数组

面向对象编程

OOP编程思想
类与对象
封装
继承
多态
抽象类
接口
内部类
包与访问控制权限

常用类和工具类

API简介
Object
String
StringBuilder
常用工具类
正则
包装类

集合框架体系

集合体系结构
Collection
List
Set
Map
泛型
迭代器
Collections

异常处理机制

异常概念
异常体系结构
异常传递
异常处理机制
异常分类
自定义异常

文件和IO流

文件的操作
IO流的概念
字节流
字符流
转换流
缓冲流
对象序列化
压缩流
Properties

多线程

线程概念
线程与进程
并行与并发
Thread Runnable
线程常用方法
线程共享
线程池
线程相关类

JDK新特性

Lamdba表达式
函数式接口概念
Consumer
Supplier
Function
Predicate
方法引用
Stream类型
  • Linux
  • Hadoop
  • Hadoop生态圈

Linux

Linux入门
安装VMWare
Linux目录结构
VI/VIM编辑器
Linux常用命令
shell脚本

Hadoop

大数据概论
Hadoop介绍
Hadoop集群搭建
HDFS
MapReduce
YARN
企业级优化
典型应用案例

ZooKeeper

ZooKeeper特点
ZooKeeper安装和部署
客户端命令
Java客户端
Hadoop HA部署

Hive

数据仓库概念
数据仓库架构
Hive的概念
Hive架构
Hive安装部署
Hive的使用及调优

HBase

HBase的架构
HBase特点
HBase安装部署
HBase shell操作
HBase读写原理
HBase Java API
HBase与Hive整合
HBase企业级调优

Phoenix

Phoenix简介
Phoenix安装
Phoenix数据类型
Phoenix操作HBase
CRUD操作
索引

Impala

Impala架构
Impala shell
Impala查询
Impala相关资源
Impala优化

Kylin

OLAP背景
Kylin原理及核心概念
Kylin构建Cube过程
Cube设计优化
Kylin精确去重

Flume

Flume概念
Flume组成结构
Flume安装部署
Flume拓扑结构
Flume实操练习

Kafka

消息队列概述
Kafka安装和部署
Kafka生产者
Kafka消费者
Java API操作Kafka
Kafka与Flume集成
Kafka拦截器

Oozie&Azkaban

Oozie架构
Oozie安装配置
Oozie shell操作
Azkaban简介
Azkaban和Oozie的对比
Azkaban server安装配置
Azkaban executor安装配置
Azkaban案例

Hue

Hue简介
安装Hue
Hue与HDFS
Hue与YARN
Hue与Hive
Hue与MySQL
Hue与Oozie
Hue与HBase
Hue与ZooKeeper
  • Scala
  • Spark
  • Kafka

Scala

Scala概述
Scala安装
变量
类型
条件表达式
循环
方法和函数
数组
元组
集合
映射
模式匹配
异常
隐式转换

Spark

Spark概述
Spark集群安装
Spark Core
RDD
常用算子
Spark SQL
Spark Streaming

Kafka

消息队列的分类
Kafka简介
Kafka分布式安装
Kafka生产与消费
Kafka与Flume的整合
Kafka的分布式模型
topic中的partition
  • Flink
  • ClickHouse
  • Elasticsearch

Flink

Flink简介
Flink安装部署
Flink Environment
UDF 函数
Flink Window
检查点
Flink CEP

ClickHouse

ClickHouse简介
ClickHouse分布式安装
ClickHouse interface
ClickHouse架构
ClickHouse与Spark整合
ClickHouse与Flink整合
ClickHouse性能优化

畅游天涯旅游实时分析项目

Lambda和Kappa架构
Flink+Elasticsearch
Flink+ClickHouse
Flink CEP
  • 项目实战
  • 机器学习

EWR消费信用风险舆情系统

掌握根据业务制定合理;
的技术框架(技术选型)
掌握前台工作整体机制
以及技术应用
掌握后台综合分析展示
应用系统
掌握大量数据的ETL处理方式
掌握集群指标监控工具的使用

Monoceros物流大数据平台

使用Flume、Sqoop、Canal结合Kafka数据大量采集系统
基于Kettle和Flink等数据预处理模块
以HDFS、Flink、MySQL、Redis来应对PB级规模数据的数据离线分析系统
配合Kafka和Flink的实时分析监控系统
整合Flink+算法的用户画像以及预测模块
通过Echarts实时展示应用方案

物流Kubernetes+Docker项目迁移

掌握Docker容器化技术以及应用
掌握Kubernetes核心功能以及在项目中的部署应用

学习完本阶段课程可掌握OOP面向对象思想、常用类的使用、集合类的使用,熟练掌握File类和多种IO流读写,培养阅读源码的
习惯和能力。学完可以去找初级Java工程师工作。

学完本阶段可以掌握Hadoop及Hadoop生态圈技术的原理和基本使用,掌握各个大数据组件在项目中的实战使用。学完本阶段
可以找大数据开发工程师工作。

学完本阶段可以熟练掌握Spark的离线和实时计算,对Spark的机器学习模块和图形计算也有一定的了解和认知。学完本阶段
可以找大数据Spark开发工程师工作。

学完本阶段可以熟练掌握掌握Flink的原理,掌握Flink的使用以及与其他技术的整合,掌握基于Flink CEP处理复杂事件。
学完本阶段可以找Flink开发工程师工作。

学完本阶段可以掌握项目过程中的技术架构之间的整合,掌握Spark、Flink及其他大数据生态圈技术在项目中的应用,掌握
大数据开发基本流程和技术架构。掌握机器学习基础。可以找中级大数据工程师工作。

优就业教学服务特点
  • 每日测评,晚自习辅导

    每晚对学员当天知识的吸收程度、老师授课内容难易程度进行评分,老师会根据学员反馈进行分析,对学员吸收情况调整授课内容、课程节奏。

  • 阶段测试,技术指导

    课程通过阶段进行学习,并进行阶段测试,根据学员的理解情况,在下个阶段是着重那些方向的知识学习,重点知识方向微调等。

  • 就业辅导,面试技巧

    最后一个阶段进行就业课程,不仅可以将之前的知识进一步加深理解,并且可以查缺补漏,将所有知识点进行更深的理解。

每一个  成功者  都有一个开始

勇于开始,才能找到成功的路

80G学习资料+3999元线上课程

报名即可领取>>

申请5天免费线下课程

线下课程真实体验,拒绝虚假宣传

在线咨询

请填写需要的课程技术
其他人想了解:
大数据运维
大数据分析
大数据挖掘
Hadoop
Spark
Flink
Linux