第一天

第1个主题：   大数据介绍（深入剖析大数据）（60分钟）

1、 什么是Hadoop

2、 Hadoop由来介绍

3、 Google四篇论文的剖析

a)       GFS、MapReduce、BigTable、Chubby

4、 Hadoop的四大核心组件

5、 Hadoop相关概念

a)       块、副本

6、 什么是大数据

7、 大数据的特征

8、 大数据应用现状

9、 大数据发展趋势

10、 大数据生态体系介绍

11、 大数据优势

12、 大数据的核心技术

13、 大数据与云计算之间的关系剖析

14、 大数据与虚拟化之间的关系剖析

15、 大数据与供应商剖析

16、 大数据与成本投入的关系剖析

17、 Hadoop是大数据架构的事实标准

第2个主题：   大数据基础知识和框架介绍（系统性介绍大数据基础知识和框架介绍）（30分钟）

1、 大数据基础知识和框架介绍

2、 Hadoop的四大核心组件

3、 Hadoop生态体系介绍

4、 大数据分布式文件系统HDFS开发技能

5、 大数据分布式计算构架MapReduce开发技能

6、 大数据Pig开发技能

7、 HBase大数据分布式NoSQL列式数据库开发技能

8、 Hive大数据的数据仓库开发技能

9、 Zookeeper分布式协调器开发技能

10、 Sqoop大数据导入导出工具开发技能

11、 Avro大数据系列化工具开发技能

12、 Chukwa大数据分布式数据收集系统

13、 Cassandra大数据分布式NoSQL列式数据库

14、 Ambari提供监控、管理Hadoop资源的工具

15、 Spark大数据内存计算框架开发技能

16、 Tez通用的数据流框架

第3个主题：   大数据具体的项目和具体应用开发过程（系统性的介绍大数据具体的项目和具体应用开发过程）（30分钟）

1、 大数据的思维方式

2、 大数据环境搭建

3、 大数据项目业务需求分析

4、 大数据项目具体开发过程

5、 分享大数据具体开发过程案例

6、 数据存储和数据计算

7、 数据仓库、数据湖

8、 数据可视化

9、 数据分析

10、 数据挖掘

11、 数据建模

12、 数据分析工具

13、 机器学习

14、 编程语言(Python语言、R语言、Matlab)

15、 大数据技术

16、 深度学习

17、 人工智能

18、 行业领域知识

19、 数据表属性和相应的模型

第4个主题：   大数据为精准营销提供辅助的案例（深度剖析大数据为精准营销提供辅助的案例）（120分钟）

1、 个性化推荐的理论依据

2、 个性化推荐的价值

3、 个性化推荐能达到的目的

4、 个性化推荐的原则

5、 金融方面的数据源收集、存储，再到计算出来的数据进行使用

6、 个性化推荐的相关技术

7、 基于用户的常用推荐算法

8、 基于用户的协同过滤推荐

9、 编写数据脚本和Python脚本实现辅助功能实践

第5个主题：   大数据为用户画像提供辅助的安全（介绍大数据为用户画像提供辅助的基础知识及其应用）（120分钟）

1、 如何构建用户画像

2、 用户信息标签

3、 画像特征标识

4、 用户偏好

5、 语义化

6、 用户画像数据分类

7、 自动完善用户画像标签库

8、 用户静态画像模型

9、 用户静态画像模型演示

10、 用户行为特征分析

11、 用户行为模型

12、 用户消费行为习惯模型演示

13、 用户画像在搜索引擎中的应用

14、 用户画像在电商平台的推荐引擎中的应用

15、 用户画像在广告投放中的应用

16、 案例分享：金融行业基于用户画像的个性化精准营销

17、 案例分享：金融行业用户画像的数据脚本和Python脚本实现辅助功能实践

时间

内容

备注

第二天

第6个主题：   MySQL数据库开发技能及应用场景（深入剖析MySQL数据库开发技能及应用场景）（90分钟）

1、 MySQL数据库开发技能及应用场景

2、 MySQL体系结构

3、 InnoDB存储引擎、数据结构、事务

4、 MySQL数据库高级安装、安全及对象基本操作

5、 MySQL备份、恢复、管理常用工具、监控及故障处理

6、 MySQL主从原

7、 MySQL常见高可用架构

8、 索引

9、 索引优化技巧

10、 其他技巧

11、 存储引擎

12、 查询优化

13、 客户端/服务器通信协议

14、 查询缓存

15、 查询优化处理

16、 查询执行引擎

17、 结果返回

18、 慢查询日志

19、 Showprofiles

20、 MySQL高级特性

21、 MySQL企业应用场景

第7个主题：   数据集市之大数据技术基础（深入剖析数据集市之大数据技术基础）（90分钟）

1、 数据集市之大数据技术基础

2、 大数据的数据集市概述

3、 大数据的数据集市设计

4、 大数据的数据集市建模理论与方法

5、 大数据的数据集市建设、分析、设计、建模、管理

6、 大数据的数据集市优化、ETL设计与实施、OLAP设计与实施

7、 大数据的数据集市的商务智能、报表设计与应用

8、 大数据的数据集市的实践案例

9、 大数据的数据集市的使用

10、 数据仓库

11、 数据湖

12、 数据治理

第8个主题：   CMQ开发技能（深入剖析CMQ开发技能）（90分钟）

1、 CMQ开发技能

2、 为什么会使用消息队列

3、 分布式系统

4、 异构系统间整合

5、 应用间解耦

6、 异步消息

7、 消息队列应用场景

a)       异步处理

b)       应用解耦

c)       流量消峰

d)       日志处理

e)       消息通讯

8、 消息模式

a)       消息通道（Message Channel）模式

b)       发布者-订阅者（Publisher-Subscriber）模式

c)       消息路由（Message Router）模式

9、 单机版消息队列

10、 分布式消息队列

11、 常用的消息队列

a)       CMQ

b)       ActiveMQ

c)       RabbitMQ

d)       ZeroMQ

e)       Kafka

f)        MetaMQ

g)       RocketMQ

12、 CMQ消息队列概述

13、 CMQ的实现原理

14、 CMQ技术架构

15、 CMQ消息格式

16、 CMQ优劣势分析

17、 CMQ应用场景

18、 CMQ安装部署

19、 CMQ参数配置

20、 CMQ性能优化

21、 CMQ高可靠配置

22、 CMQ消息持久化与复制

23、 CMQ开发

第9个主题：   容器技术开发技能（深入剖析容器技术开发技能）（90分钟）

1、 容器技术

2、 虚拟化概念

3、 容器的历史

4、 Docker是什么

5、 为什么要使用Docker

6、 Docker VS   虚拟化

7、 Docker的实现原理

8、 Container   Engine

9、 Linux   Containers

10、 容器的资源隔离

11、 Docker客户端和服务器

12、 Docker镜像

13、 Docker   Registry

14、 容器

15、 Repositories

16、 Docker   Hub

17、 Docker   orchestration tools

18、 K8s容器管理平台

时间

内容

备注

第三天

第10个主题：   大数据实时数仓开发技能（深入剖析大数据实时数仓开发技能）（90分钟）

1、 大数据实时数仓开发技能

2、 大数据实时数仓设计原则与模型搭建

3、 星型架构与雪花型架构

4、 事实表与维度表的设计

5、 逻辑设计与物理设计

6、 大数据实时数仓设计的常用方法

7、 大数据实时数仓设计技巧总结

8、 大数据实时数仓分片

9、 大数据实时数仓索引

10、 大数据实时数仓粒度

11、 大数据实时数仓案例分析

12、 ETL的设计

13、 ETL的实施

14、 大数据实时数据集成

15、 大数据实时数据抽取

16、 大数据实时数据转换

17、 大数据实时数据加载

18、 ETL调度策略

19、 缓慢变化维度和时间戳的处理

20、 ETL高级技巧

21、 ETL案例分析

22、 ROLAP与多维数据库

23、 OLAP与OLTP的区别

24、 多维数据库与大数据实时数仓的关系

25、 OLAP模型搭建（多维模型）

26、 确定维度、量度与事实的关系

27、 OLAP的应用场景

28、 决策支持技术

29、 企业OLAP模型设计案例剖析

第11个主题：   Kafka设计与开发（深入剖析Kafka设计与开发）（90分钟）

1、 Kafka设计与开发

2、 为什么选择Kafka

3、 多个生产者

4、 多个消费者

5、 基于磁盘的数据存储

6、 伸缩性

7、 高性能

8、 数据生态系统

9、 安装Kafka

10、 要事先行

11、 选择操作系统

12、 安装Java

13、 安装Zookeeper

14、 安装Kafka   Broker

15、 broker配置

16、 常规配置

17、 主题的默认配置

18、 硬件的选择

19、 磁盘吞吐量

20、 磁盘容量

21、 内存

22、 网络

23、 CPU

24、 云端的Kafka

25、 Kafka集群

26、 需要多少个broker

27、 broker配置

28、 操作系统调优

29、 生产环境的注意事项

30、 垃圾回收器选项

31、 数据中心布局

32、 共享Zookeeper

33、 创建Kafka生产者

34、 发送消息到Kafka

35、 同步发送消息

36、 异步发送消息

37、 生产者的配置

38、 序列化器

39、 自定义序列化器

40、 使用Avro序列化

41、 在Kafka里使用Avro

42、 分区

第12个主题：   Flink应用场景及技术架构（深入剖析Flink应用场景及技术架构）（90分钟）

1、 Flink应用场景及技术架构

2、 结合场景应用案例

3、 Flink企业应用项目

4、 Flink处理大数据架构

5、 TopN计算实时最热门商品

6、 监控日志项目

7、 Flink运行状况监控

8、 Apache   Flink性能

9、 Apache   Flink调优

10、 Apache   Flink编程案例实战

11、 Apache   Flink分布式任务调度

12、 使用Apache   Flink遇到的困难

第13个主题：   Flink设计与开发（深入剖析Flink设计与开发）（90分钟）

1、 Flink设计与开发

2、 Apache   Flink流式计算模型

3、 Apache   Flink两种数据集

4、 无界数据集

5、 有界数据集

6、 Flink-sink

7、 SSL设置

8、 Flink的UI界面使用

9、 Flink的文件系统的支持

10、 Flink-WorkCount

11、 Flink执行模型

12、 DataStream开发

13、 Apache   Flink SQL说明

14、 Table API和SQL程序的结构

15、 将表转换为DataStream或DataSet

16、 Flink SQL编程

17、 数据同步