课程介绍：

       本课程共划分为七个阶段，分别是Java语言基础、大数据通用技术、Hadoop基础、大数据离线计算、大数据实时计算、Spark实战应用开发。 每个阶段都有对应的项目案例，涉及的技术知识点有：Java基本语法、Java核心API、Java规范与设计、算法与模式、 Java8-11新特性、Linux、IDEA、Eclipse、SQL语句及优化、PLSQL开发、数据库设计、MySQL、JDBC、JavaScript 、jQuery、Tomcat、Servlet、JSP、Ajax、HDFS分布式文件系统、 MapReduce分布式并行计算框架、Hive数据仓库、Impala、KuDu、Azkaban 流调度 、Ooize、大数据离线实战开发、HBase分布式实时数据库、Storm流式计算框架、Flume海量日志采集系统、 Kafka消息队列、大数据实时计算应用开发 、MongoDB 、Redis、Log4j、Maven、SVN/Git、ActiveMQ、RabbitMQ、Activiti、Nginx、JasperReport、Jfreechart、Dubbo、Zookeeper、 Lucene/ElasticSearch、Spark、Scala、Mahout、大量面试题和企业真题等。课程中的每个技术点的内容都非常全面，深度到位，课上实例不仅丰富而且实用。另外， 每个知识点都是以目前最新版本的技术设计，每半年一更新，并经过多家软件公司的技术专家参与修订，以达到真正实用的目的，能够与大型软件开发公司所需要的开发技术相吻合。

课程特点：

• - 技术新、内容全：课程的技术点全面，全部都是当前行业内最流行、从最新版的Java11到主流Java8兼顾、数据库、前端、JavaEE框架和JavaEE架构技术
• - 企业大牛指导项目：为了要学员毕业后快速适应企业环境，特地从IT名企引入技术总监为学员的项目导师，指导和管理项目研发过程、要学员真正体验企业开发过程
• - 课程项目均为上线产品：很多平台的项目案例都是采用模仿或闭门造车形成的，从而导致培训学习和企业要求的存在一定的差异，为了弥补这个差异，我们是第一家将真实上线产品引入课程的平台
• - 拥有企业项目环境：可熟悉项目开发中立项、分析、设计、编码、测试、实施、维护等真实流程及相关工作
• - 采用案例式教学：整个课程以案例为主线，贯串学习知识点和技术点。通过专家讲师和企业导师的带领，使学员可以具有独立开发大型网站的能力
• - 编码、设计规范：课程中的项目案例完全采用企业编码规范和设计规范，例如阿里巴巴Java规范、合作企业Java规范等，提高学员编码规范性，增强程序的可读性和维护性
• - 注重素质和能力培养：注重综合素质能力的培养，主要包括技术应用能力、分析设计能力、团队合作、职业素养等，提升学员的企业工作能力
• - 注重方法和思维培养：授人以鱼、不如授人以渔。我们授课过程不仅注重技术点培养、更侧重于方法和思维培养，提升学员养成后续自我提升的能力

学员目标：

• -精通Java语言及相关框架，精通JVM调优技术，掌握常用数据结构和算法
• -掌握Hadoop集群搭建与配置、分布式MapReduce并行计算框架应用实战开发
• -精通Hive数据仓库应用开发、掌握Hive离线数据模型架构原理
• -熟练使用MySQL/HBase/ MongoDB/Redis /NoSQL，拥有实际大数据量的数据库设计经验
• -精通Spark、SparkSQL、SparkStreaming、Flume、Kafka等
• -掌握缓存技术，负载均衡，服务器优化，系统性能调优等相关技术知识以及相关工具
• -良好的逻辑思维能力和学习能力，有很强的抽象设计能力、分析和解决问题的能力
• -掌握所有Hadoop、离线计算、实时计算、Spark开发的高级大数据开发技能，积累大型实战型项目开发经验
• -通过Oracle、MySQL、MongoDB、Redis等数据库服务器的学习，熟悉维护、优化、安全设置的使用，精通SQL编写和数据库设计，掌握数据库端PL/SQL开发的能力
• -通过JavaScript、jQuery、BootStrap、Vue和H5/CSS3等技术的学习，可以承担前端工程师的工作、制作出精美的、用户体验度高的网页
• -通过SSM、SSH等框架技术的学习，可以提高开发效率和软件质量
• -通过SpringBoot、SpringCloud等集成框架的学习，可以快速搭建稳定性高、功能强的软件
• -通过Lucene/ ElasticSearch、Dubbo、Zookeeper、Kafka、Activiti等技术的学习，完全可以胜任当前各种互联网应用的开发
• -通过企业项目和解决方案实战掌握目前企业一流技术和常见问题的解决方法
• -培养出具有职业素养和能力的、符合企业需求的Java开发工程师和架构师
• -使用Java常用互联网技术可以独立完成系统开发工作，对现有的成熟产品进行二次开发，团队合作完成大型项目的设计与开发，以及产品的测试与维护

适合人群：

• - 即将毕业的在校大专生或本科生
• - 已毕业的大专生或本科生
• - 通过其他学科和机构培训过的学员
• - 各软件企业在职的开发工程师
• - 对大数据开发有兴趣的爱好者
• - 创业人员，开发自己创业项目中的产品

阶段一 Java基础与设计

说明：

       零基础一定要从Java基础开始，为学习Java全栈做好铺垫。 Java基础部分是学习Java的入门， 这部分掌握好了，对学习Java的一些高级内容都会相对容易一些。这部分需要掌握Java基础语法， 面向对象编程，Java核心API，熟练使用集合、流、序列化、多线程、网络编程等技术开发，熟悉企业设计规范和编码规则、强化数据结构和算法应用。

收获：

       学完此阶段能够掌握Java基础语法，面向对象编程，Java核心API，使用集合、流、序列化、多线程、网络编程等技术开发，以及可以熟悉企业设计规范和编码规则、强化数据结构和算法应用。

阶段二 大数据通用技术

说明：

       大数据开发需要好的技术辅助， 掌握这些玩大数据才顺手。 除了要有Java基础之外， 做大数开发还需要一些通用的技术， 需要掌握Linux技术，包括Linux安装部署、Linux常用命令、Linux用户和权限、能够编写简单Linux Shell脚本。 还需要掌握数据库， 例数据库的设计、使用、优化、编程，熟练使用Java访问数据库。也需要前端H5、CSS3前端技术应用和开发，熟练进行前端界面设计。 也要掌握JavaWeb常见组件Servlet、JSP，熟练搭建Tomcat服务器和JavaWeb环境。

收获：

       学完此阶段能够，掌握Linux安装部署、Linux常用命令、Linux用户和权限、能够编写简单Linux Shell脚本， 掌握数据库的设计、使用、优化、编程，熟练使用Java访问数据库，掌握H5、CSS3前端技术应用和开发，熟练进行前端界面设计，以及掌握JavaWeb常见组件Servlet、JSP，熟练搭建Tomcat服务器和JavaWeb环境。

阶段三 Hadoop实战开发

说明：

       可靠的，可扩展的分布式计算开发开源软件. Hadoop是由java语言编写的，在分布式服务器集群上存储海量数据并运行分布式分析应用的开源框架，其核心部件是HDFS与MapReduce。 HDFS是一个分布式文件系统：引入存放文件元数据信息的服务器Namenode和实际存放数据的服务器Datanode，对数据进行分布式储存和读取。 MapReduce是一个计算框架：MapReduce的核心思想是把计算任务分配给集群内的服务器里执行。通过对计算任务的拆分（Map计算/Reduce计算）再根据任务调度器（JobTracker）对任务进行分布式计算。

收获：

       学完此阶段能够掌握Hadoop分布式集群的配置、搭建、运维,掌握HDFS分布式文件系统的应用、原理、数据流的读写,掌握MapReduce分布式并行计算框架的应用开发。

阶段四 Hive离线计算

说明：

       离线数据仓库开发，是大数据离线计算的主流方式。 hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

收获：

       学完此阶段需要掌握Hive数据仓库的环境搭建和配置，熟练使用HiveQL数据查询与项目实战应用开发，熟练使用Hive内置函数及UDF的应用开发。

阶段五 实时计算

说明：

       数据的实时，持续计算，分布式RPC。 随着数据体积的越来越大，实时处理成为了许多机构需要面对的首要挑战。当今世界，公司的日常运营经常会生成TB级别的数据。 数据来源囊括了互联网装置可以捕获的任何类型数据，网站、 社交媒体、交易型商业数据以及其它商业环境中创建的数据。考虑到数据的生成量，实时大数据处理成为了许多机构需要面对的首要挑战。 需要掌握HBase数据库项目实战应用开发，以及掌握Storm流式计算框架项目实战应用开发，还要掌握Flume、Kafka海量日志采集系统应用开发。

收获：

       学完此阶段需要掌握HBase数据库项目实战应用开发，掌握Storm流式计算框架项目实战应用开发，掌握Flume、Kafka海量日志采集系统应用开发。

阶段六 大数据开发平台 Spark 生态

说明：

       生态内处理的数据也可以共享，不同应用之间数据无缝集成 Spark 生态圈是加州大学伯克利分校的 AMP 实验室打造的，是一个力图在算法（Algorithms）、机器（Machines）、人（People）之间通过大规模集成来展现大数据应用的平台。 需要掌握Scala基础语法、数据结构、面向对象编程、函数式编程；Scala应用开发，还要掌握Spark集群的安装、配置、使用； Spark核心概念、基本原理；Spark RDD、Spark SQL、Spark Streaming应用开发。 以及要了解企业大数据应用设计规范和编码规则，掌握大数据应用开发。

收获：

       学完此阶段需要掌握Scala基础语法、数据结构、面向对象编程、函数式编程；Scala应用开发， 掌握Spark集群的安装、配置、使用；Spark核心概念、基本原理；Spark RDD、Spark SQL、Spark Streaming应用开发， ，了解企业大数据应用设计规范和编码规则，掌握大数据应用开发；