Entrenamiento de Hadoop
Aproveche la creciente demanda de profesionales certificados de Hadoop.
Nuestra capacitación está diseñada para ayudarte a obtener un conocimiento profundo de todos los conceptos de Big Data y herramientas de Hadoop, desde los conceptos básicos hasta las técnicas de nivel avanzado. También estarás expuesto a trabajar en dos proyectos en tiempo real basados en la industria que están en línea con el examen de certificación de Hadoop. Inscríbete ahora y obten la certificación.
Características de este curso
- 40 horas de formación dirigida por un instructor.
- Paga en 2 cuotas.
- Curso en inglés.
- Certificación y asistencia laboral.
- Horario flexible.
- Soporte 24 x 7.
Ingresa tus datos para obtener un 10% de descuento en tu primer curso individual.
Contenido del curso de Hadoop.
- Introducción a Big Data.
- Limitaciones y soluciones de la arquitectura de análisis de datos existente.
- Introducción a Hadoop.
- Funciones de Hadoop.
- Ecosistema Hadoop.
- Componentes principales de Hadoop 2.x.
- Almacenamiento Hadoop: HDFS.
- Procesamiento de Hadoop: MapReduce Framework.
- Diferentes distribuciones de Hadoop.
- YARN (otro negociador de recursos) – Next Gen.
- Mapa reducido.
- ¿Qué es YARN?
- Diferencia entre Map Reduce & amp; YARN.
- Arquitectura de YARN.
- Administrador de recursos Administrador de nodos maestro de aplicaciones.
- Arquitectura de clúster de Hadoop 2.x: federación y alta disponibilidad.
- Un clúster de producción típico de Hadoop.
- Modos de clúster de Hadoop.
- Comandos comunes de Hadoop Shell.
- Clúster de un solo nodo y clúster de varios nodos configurados Administración de Hadoop.
- Casos de uso de MapReduce.
- ¿Por qué MapReduce?
- Arquitectura MapReduce de Hadoop 2.x.
- Componentes de MapReduce de Hadoop 2.x.
- Flujo de ejecución de la aplicación YARN MR.
- Flujo de trabajo de YARN.
- Demostración en MapReduce.
- Divisiones de entrada.
- Relación entre divisiones de entrada y bloques HDFS .
- MapReduce: Combinador y particionador.
- Formato de entrada de secuencia.
- Análisis de archivos xml usando MapReduce.
- Introducción al Pig.
- MapReduce Vs Pig.
- Casos de uso de Pig.
- Estructura de programación en Pig.
- Modos de funcionamiento de Pig.
- Componentes de Pig.
- Ejecución de Pig.
- Programa de Pig latino.
- Modelos de datos en Pig.
- Tipos de datos de Pig.
- Comandos de shell y utilidades.
- Pig Latin: operadores relacionales.
- Operador de grupo.
- Operador COGROUP.
- Se une y COGROUP.
- Unión.
- Operadores de diagnóstico.
- Uniones especializadas en Pig.
- Funciones integradas (función de evaluación, funciones de carga y almacenamiento, función matemática, función de cadena, función de fecha, UDF de cerdo, alcancía, sustitución de parámetros (macros Pig y sustitución de parámetros de cerdo) .
- Fondo de Hive.
- Caso de uso de Hive.
- Sobre Hive.
- Hive Vs Pig.
- Arquitectura y componentes de Hive.
- Metastore en Hive.
- Limitaciones de Hive.
- Comparación con la base de datos tradicional.
- Tipos de datos y modelos de datos de Hive.
- Particiones y cubos.
- Tablas de Hive (tablas administradas y tablas externas).
- Importación de datos.
- Consulta de datos.
- Gestión de salidas.
- Guión de Hive.
- UDF de Hive.
- Caso de uso minorista en Hive.
- Hive QL: Unir tablas.
- Particionamiento dinámico.
- Índices y vistas de Hive Optimizadores de consultas de Hive.
- Hive: servidor de ahorro.
- Funciones definidas por el usuario.
- HBase: Introducción a las bases de datos NoSQL y HBase.
- RDBMS Vs HBase.
- Componentes HBase.
- Arquitectura HBase.
- Modos de ejecución y configuración.
- Implementación de clúster de HBase.
- Modelo de datos HBase.
- Shell HBase.
- Técnicas de carga de datos.
- Modelo de datos de ZooKeeper.
- Servicio de cuidador del ZooKeeper.
- Guardián del ZooKeper.
- Demostraciones sobre carga masiva.
- Obtener e insertar datos.
- Filtros en HBase.
- Arquitectura de Sqoop.
- Instalación de Sqoop.
- Comandos de Sqoop (Importar, Importar Hive, EVal, Importar Hbase, Importar todas las tablas, Exportar).
- Conectores a DB y DW existentes.
- Manos a la obra.
- Introducción a Flume.
- Arquitectura de Flume.
- Maestro de Flume.
- Colector y agente de Flume.
- Configuraciones de Flume.
- Caso de uso en tiempo real con Apache Flume.
- Necesidad de bases de datos NoSQL.
- Bases de datos relacionales vs no relacionales.
- Introducción a MongoDB.
- Características de MongoDB.
- Instalación de MongoDB.
- Operaciones básicas de Mongo DB.
- Casos de uso en tiempo REAL en Hadoop & amp;
- Caso de uso de MongoDB.
- Introducción a Apache Spark.
- Papel de Spark en Big Data.
- ¿Quién usa Spark?
- Instalación de SparkShell y StandAlone Cluster.
- Configuración.
- Operaciones RDD (Transformaciones y acciones).
- Un proyecto de demostración que utiliza todos los componentes de los temas anteriores.
Te ofrecemos una guía de preguntas y respuestas avanzadas para entrevistas de Hadoop junto con ejemplos de currículums Hadoop. Realiza una prueba práctica de muestra gratuita antes de aparecer en la certificación para mejorar tus posibilidades de obtener puntuación alta.
¿Qué tipo de entrenamiento desea tomar?
CAPACITACIÓN EN LÍNEA EN VIVO
- Demostración en vivo de funcionalidades y prácticas.
ENTRENAMIENTO CORPORATIVO
- Modos de entrenamiento a su propio ritmo / en vivo en línea / en el aula disponibles.
- Aprenda según el programa de día completo con debates, ejercicios y casos prácticos de uso.
- Diseñe el contenido de su propio curso según los requisitos de su proyecto.
