Hadoop Administration on MapR ( hadoopmapr | 28 hours )

• Podstawowa znajomość Linux FS
• Podstawowa Java
• Znajomość Apache Hadoop (zalecane)

Publiczność:

Kurs ten ma na celu demistyfikację technologii big data/hadoop i pokazanie, że nie jest ona trudna do zrozumienia.

Big Data Przegląd:

• Czym jest Big Data
• Dlaczego Big Data zyskuje na popularności
• Studia przypadków Big Data
• Charakterystyka Big Data
• Rozwiązania do pracy nad Big Data.

Hadoop i jego składniki:

• Czym jest Hadoop i jakie są jego komponenty.
• Architektura i charakterystyka danych, które może obsługiwać / przetwarzać Hadoop.
• Krótka historia Hadoop, firmy z niego korzystające i dlaczego zaczęły go używać.
• Hadoop Struktura i jej komponenty - wyjaśnione szczegółowo.
• Co to jest HDFS i odczyty - zapisy do Hadoop rozproszonego systemu plików.
• Jak skonfigurować klaster Hadoop w różnych trybach - samodzielny / pseudo / wielowęzłowy.

(Obejmuje to konfigurację klastra Hadoop w VirtualBox / KVM / VMware, konfiguracje sieci, które należy dokładnie sprawdzić, uruchamianie Hadoop Daemonów i testowanie klastra).

• Czym jest i jak działa framework Map Reduce.
• Uruchamianie zadań Map Reduce na klastrze Hadoop.
• Zrozumienie replikacji, mirroringu i świadomości Rack w kontekście klastrów Hadoop.

Planowanie klastra Hadoop:

• Jak zaplanować klaster hadoop.
• Zrozumienie sprzętu i oprogramowania w celu zaplanowania klastra hadoop.
• Zrozumienie obciążeń i planowanie klastra w celu uniknięcia awarii i optymalnego działania.

Co to jest MapR i dlaczego MapR:

• Przegląd MapR i jego architektury.
• Zrozumienie i działanie systemu kontroli MapR, woluminów MapR, migawek i serwerów lustrzanych.
• Planowanie klastra w kontekście MapR.
• Porównanie MapR z innymi dystrybucjami i Apache Hadoop.
• Instalacja MapR i wdrożenie klastra.

Konfiguracja i administracja klastrem:

• Zarządzanie usługami, węzłami, migawkami, woluminami lustrzanymi i zdalnymi klastrami.
• Zrozumienie i zarządzanie węzłami.
• Zrozumienie komponentów Hadoop, instalacja komponentów Hadoop wraz z usługami MapR.
• Dane Access w klastrze, w tym przez NFS Zarządzanie usługami i węzłami.
• Zarządzanie danymi za pomocą wolumenów, zarządzanie użytkownikami i grupami, zarządzanie i przypisywanie ról do węzłów, uruchamianie i wycofywanie węzłów, administracja klastrem i monitorowanie wydajności, konfigurowanie / analizowanie i monitorowanie metryk w celu monitorowania wydajności, konfigurowanie i administrowanie bezpieczeństwem MapR.
• Zrozumienie i praca z M7- Native storage dla tabel MapR.
• Konfiguracja i dostrajanie klastra w celu uzyskania optymalnej wydajności.

Aktualizacja klastra i integracja z innymi konfiguracjami:

• Aktualizacja wersji oprogramowania MapR i rodzaje aktualizacji.
• Konfiguracja klastra Mapr w celu uzyskania dostępu do klastra HDFS.
• Konfiguracja klastra MapR na Amazon Elastic Mapreduce.

Wszystkie powyższe tematy obejmują demonstracje i sesje ćwiczeniowe, aby uczestnicy mogli zapoznać się z technologią.