单元测试的好处毋庸置疑，尤其是在互联网快速迭代的模式下，能尽早暴露缺陷，缩短测试周期，有效提高产品质量。 单元测试并不难，难就难在如何隔离依赖，如何准备测试数据，如何保证测试稳定，如何降低测试的维护成本。 本课程将一一介绍，并通过编程练习获得真实的体验。

本课程主要讲解Flink的核心设计原理，实时计算，SQL计算等使用场景，同时通过实战案例与实际业务的场景相结合，让学员轻松掌握Flink在实时计算领域的独特魅力。 本次课程的代码实现以 Scala语言为主，配套有Java语言代码实现，要求学员至少具备Java基础，讲师会提供培训过程中用到的项目代码（Scala实现和Java实现）。

从大数据生态圈层面对大数据中的核心技术栈进行分析，帮助大家快速理解并构建大数据生态体系架构。然后通过大数据中最核心基础的Hadoop技术组件入手，了解并掌握大数据中的海量数据分布式存储和海量数据分布式计算。

本次课程主要针对大数据平台中MapReduce，Hive的原理及使用，以及Spark中的Spark core、Spark SQL 、SparkStreaming这些内容进行讲解，通过这些内容的学习，可以掌握MapReduce的编程思想，以及如何使用SQL计算HDFS上的海量数据，以及掌握Spark中的离线计算和实时计算。

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SQL查询功能，Hive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语句实现统计查询，也支持实现自己的UDF函数来完成比较复杂的业务逻辑，非常适合数据仓库的统计分析。本次培训从理论到项目实战，由浅入深，步步进阶。课程主要从Hive运行原理、Hive数据库和表的操作、Hive的表类型详解、Hive的高级函数、Hive SQL性能优化、Hive on Spark、Hive数据仓库设计、Hive数据分析实战项目等全方位讲解，更加注重于实际操作以及开发经验的分享，可以帮助学生快速掌握Hive的企业级应用。 Storm是一个流式实时计算框架，可以实现海量高频数据实时计算，主要应用在实时计算场景中。课程主要从Storm的基本原理、核心设计思想、并行度、流分组、定时器以及Storm和Kafka案例整合项目实战。

本次课程主要针对大数据平台中实时计算相关组件的技术和实战分享，主要针对Redis、Kafka、Spark、Flink的核心原理、实战应用以及生产环境下的使用注意事项等内容进行分析，可以帮助学员对整个实时计算的处理架构有一定的了解，可以快速掌握实时计算的相关程序开发。