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）。

使学员深入理解MQ内部架构和深入的使用方法； 使学员深入理解MQ的理论基础，包括概念、技术等

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。

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，大数据领域如雨后春笋般的出现大量的新技术，如 Hadoop、Spark 等技术，其中 Python语言已经成为大数据技术中最为重要的一部分，被越来越多的企业所使用。 Python 语言的功能涵盖了大数据领域的数据处理、统计分析、数据挖掘、机器 学习、人工智能、大数据应用开发等各种不同类型的计算操作，应用范围广泛、 前景非常广阔。本课程是尹老师多年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处理技术，使学员深入理解 Python 语言等数据分析工具。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。 本课程重点讲解基于 Python 语言编程、数据处理、数据探索、人工智能、 深度学习等，对 Python 语言算法原理及实现进行讲解，及在大数据的应用技巧， 为企业的战略决策提供参考。

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。