大数据时代，海量的用户访问行为数据信息看似零散，但背后隐藏着重要的信息和逻辑，从软件技术，数据收集，数据挖掘和分析维度等方面，更好地实现数据价值挖掘，让运维变得更智能，更快捷，更精准，更高效。 Splunk是机器数据引擎。使用Splunk可收集、索引和利用所有应用程序、服务器和设备生成的快速移动型计算机数据。使用Splunk处理计算机数据，可让在几分钟内解决问题和调查安全事件。监视端对端基础结构，避免服务性能降低或中断。以较低成本满足合规性要求。关联并分析跨越多个系统的复杂事件。获取新层次的运营可见性以及IT和业务智能。 本课程重点内容包括将机器数据应用于运维，使运维管理更高效。同学通过此次课程的学习可以深入理解Splunk。

大数据平台的发展,大数据的整体技术架构,大数据应用场景等

随着大数据时代的快速到来，以及大数据在生产生活中迅速应用，数据的重要性突现，数据分析与数据挖掘等技术已经被越来越多的企业所重视和应用。数据分析与数据挖掘技术涵盖了数据采集、数据处理、统计分析、数据挖掘、机器学习、人工智能、大数据等各种不同技术与内容，涉及内容广泛，应用价值高，前景非常广阔。本课程是尹老师多年数据分析、数据挖掘工作经验的总结和归纳，从实际业务案例为入口，使学员从理论层到实操层面系统的学习数据分析技术，使学员深入理解数据分析。通过本课程的学习，学员即可以正确的分析企业的数据，为管理者、决策层提供数据支撑。 本课程重点讲解的数据分析方法、数据挖掘基础知识、数据建模方法和应用、机器学习算法、数据可视化方法、数据分析工具，并通过Python数据分析工具完成数据分析，理念与动手实践相结合，让学员通过实践深入理解数据分析与数据挖掘。

近些年，随着互联网的不断发展，越来越多的系统需要建设在互联网上，应对高并发、大数据的严苛运营环境。在这种运营环境中，采用传统的集中式系统架构越来越不能使用未来的发展，整个产业开始向分布式系统转型。然而，在分布式系统转型过程中，有许许多多的分布式技术千差万别，并且要按不同场景去运用不同的分布式技术。本课程通过梳理，帮助学员理清，在大型分布式系统中如何运用各种分布式技术，解决什么问题。 首先，分布式系统按照功能分为生产型与分析型两类系统，它们通过读写分离的技术整合在一起。生产型分布式系统未来的发展趋势就是基于云端的微服务架构。微服务架构将复杂系统化整为零，拆分成一个一个的微服务，部署在云端进行快速地横向扩展与收缩。然后，将庞大的开发团队拆分成一个一个的独立功能分布式团队，去维护各自的微服务。采用微服务架构降低了团队沟通的成本，降低了系统维护的复杂度，更降低了系统发布的周期，使得我们可以快速交付、快速应对市场需求。 但是，微服务应当如何架构？它有哪些技术特点与技术难点？由火龙果软件举办的本课程将会用许多的真实案例讲解，什么是微服务，如何用微服务架构我们的系统，并用工作坊的形式，实际带领学员去架构微服务，在动手中获得知识。 此外，对于分析型分布式系统，在面对海量数据方面，本课程还介绍了NoSQL数据库、Hadoop大数据处理技术，以及它们在应对海量数据存储、深度数据挖掘与高效数据查询方面，所做的设计。通过案例讲解，可以让学员理解如何运用NoSQL数据库与Hadoop大数据处理技术解决相关问题、设计真实的系统。

随着网络与信息技术的高速发展，软件研发逐渐朝着大规模、高复杂度的大型软件系统发展。特别是随着近几年互联网的高速发展，带动着全行业的互联网转型，使得未来的软件系统还将向着持续性、深层次架构调整的方向发展。在这样的背景下，如何从全局的角度思考软件系统方方面面的问题，提前识别软件项目的技术风险点，并有针对性地制订技术方案，以及如何构建一个更加灵活、易于调整、快速变化的软件系统，成为大型软件系统至关重要的设计内容。 本课程首先将系统地讲述高质量的软件架构该设计过程，包括如何运用领域驱动设计的思想贯穿整个架构设计，又如何使软件系统在衍变中调整架构，从而适应需求的变化；如何运用5视图的方法，全面地思考软件架构各方面的问题：从需求的角度进行可行性分析；从全局的角度进行软件分层、技术选型、模块划分等方面的设计；运用数据持久化的方式设计数据结构；运用“属性->场景->决策”的过程把握非功能设计；从部署、网络、性能的角度进行物理架构的设计，从而有效避免架构设计时遗漏关键风险点，使架构设计过程变得有序。课程中还会涉及到一些人工智能、5G技术带动的云+端转型等方面的案例。 接着，本课程从高并发、大数据、高可靠3个方面入手，讲解了大型互联网分布式应用系统是如何从容应对数以亿计的用户并发访问、海量业务数据的性能压力，如何设计高效而稳定的软件架构。课程由浅入深、层层推进、从各个层面逐步介绍了，在不同用户压力环境下，架构设计各个环节可能遇到的性能问题，可以采用的技术，这些技术的基本原理与解决思路，以及相关互联网应用的具体案例。通过这些案例的讲解，可以为学员日后的架构设计开阔思路、加深认识。

近些年，随着数据中台、大数据、机器学习、人工智能等高科技技术的不断发展，越来越多的企业开始着眼于整理自己的数据资产、挖掘自身的数据业务、开拓自己的数据产品。然而，由于各个企业自身的起点不同，有的是从开展简单的分析任务开始，有的是如何建设自己的数据中台。同时，这个过程中也遇到了诸多的难题与困惑，不知道如何更加有效地开展工作，未来的发展方向又在哪里。 本课程从实战的角度，讲解了不同阶段数据应用的建设思路，规划未来发展的路线图。最初，如何开展简单的数据分析任务，确定问题→数据清洗→数据建模→数据验证的设计套路，以及由粗到细挖掘有价值的数据的分析思路。然后，为了长期持久地分析应用数据，如何建设数据中台，开展数据资产治理的工作，包括数据采集、ETL过程、建立数据仓库、形成数据集市、建设应用系统。并且，在这个过程中如何开展数据质量管理、数据血缘管理，等等。接着，在这样的基础上如何数据驱动、价值变现、形成数据产品，如数据风控、数字化运营、推荐系统、精准营销，这些系统的建设思路。更进一步，如何运用数据挖掘算法，开展数据预测、用户画像、机器学习等任务。最后，运用实际案例讲解，人工智能的系统建设，建设套路以及关键点与难点。