Kurzuskód

hadoopadm1

Duration

21 hours (usually 3 days including breaks)

Követelmények

comfortable with basic Linux system administration
basic scripting skills

Knowledge of Hadoop and Distributed Computing is not required, but will be introduced and explained in the course.

Lab environment

Zero Install : There is no need to install hadoop software on students’ machines! A working hadoop cluster will be provided for students.

Students will need the following

an SSH client (Linux and Mac already have ssh clients, for Windows Putty is recommended)
a browser to access the cluster. We recommend Firefox browser with FoxyProxy extension installed

Overview

Az Apache Hadoop a legnépszerűbb keretrendszer a Big Data feldolgozásához a kiszolgálók csoportjain. Ebben a három (adott esetben négy) nappal Természetesen a résztvevők megismerkedhetnek az üzleti előnyöket és használati esetek a Hadoop és az ökoszisztéma, hogyan kell tervezni klaszter kiépítése és a növekedés, hogyan kell telepíteni, karbantartani, monitor, hibaelhárítás és optimalizálja Hadoop . A klaszter tömeges Hadoop megismertetik, megismerkedhetnek a Hadoop különböző elosztásaival, és gyakorolják a Hadoop ökoszisztéma eszközök telepítését és kezelését. A kurzus befejeződik, amikor megvitatjuk a fürtöt a Kerberossal.

„… Az anyagok nagyon jól felkészültek és alaposan lefedtek. A Lab nagyon hasznos és jól szervezett volt ”
- Andrew Nguyen, a fő integrációs DW mérnök, a Microsoft Online Advertising

Közönség

Hadoop rendszergazdák

Formátum

Előadások és gyakorlati laboratóriumok, közelítő egyensúly 60% előadások, 40% laboratóriumok.

Machine Translated

Kurzusleírás

Introduction
- Hadoop history, concepts
- Ecosystem
- Distributions
- High level architecture
- Hadoop myths
- Hadoop challenges (hardware / software)
- Labs: discuss your Big Data projects and problems

Planning and installation
- Selecting software, Hadoop distributions
- Sizing the cluster, planning for growth
- Selecting hardware and network
- Rack topology
- Installation
- Multi-tenancy
- Directory structure, logs
- Benchmarking
- Labs: cluster install, run performance benchmarks

HDFS operations
- Concepts (horizontal scaling, replication, data locality, rack awareness)
- Nodes and daemons (NameNode, Secondary NameNode, HA Standby NameNode, DataNode)
- Health monitoring
- Command-line and browser-based administration
- Adding storage, replacing defective drives
- Labs: getting familiar with HDFS command lines

Data ingestion
- Flume for logs and other data ingestion into HDFS
- Sqoop for importing from SQL databases to HDFS, as well as exporting back to SQL
- Hadoop data warehousing with Hive
- Copying data between clusters (distcp)
- Using S3 as complementary to HDFS
- Data ingestion best practices and architectures
- Labs: setting up and using Flume, the same for Sqoop

MapReduce operations and administration
- Parallel computing before mapreduce: compare HPC vs Hadoop administration
- MapReduce cluster loads
- Nodes and Daemons (JobTracker, TaskTracker)
- MapReduce UI walk through
- Mapreduce configuration
- Job config
- Optimizing MapReduce
- Fool-proofing MR: what to tell your programmers
- Labs: running MapReduce examples

YARN: new architecture and new capabilities
- YARN design goals and implementation architecture
- New actors: ResourceManager, NodeManager, Application Master
- Installing YARN
- Job scheduling under YARN
- Labs: investigate job scheduling

Advanced topics
- Hardware monitoring
- Cluster monitoring
- Adding and removing servers, upgrading Hadoop
- Backup, recovery and business continuity planning
- Oozie job workflows
- Hadoop high availability (HA)
- Hadoop Federation
- Securing your cluster with Kerberos
- Labs: set up monitoring

Optional tracks
- Cloudera Manager for cluster administration, monitoring, and routine tasks; installation, use. In this track, all exercises and labs are performed within the Cloudera distribution environment (CDH5)
- Ambari for cluster administration, monitoring, and routine tasks; installation, use. In this track, all exercises and labs are performed within the Ambari cluster manager and Hortonworks Data Platform (HDP 2.0)

Ajánlások

★★★★★

Mit szerettél legjobban az edzésről ?: Minden eszközről részletes.

Amber Mehrotra - NIIT Limited

Kurzus:Hadoop Administration

Machine Translated

Az a tény, hogy az összes adat és szoftver már készen áll egy már elkészített VM-re, amelyet a tréner külső lemezekből készített.

vyzVoice

Kurzus:Hadoop for Developers and Administrators

Machine Translated

Leginkább a valódi élő példát adta a tréner.

Simon Hahn