Hadoop Administration on MapR

• Podstawowa wiedza o Linux FS
• Podstawowe Java
• Wiedza o Apache Hadoop (polecane)

Grupa docelowa:

Ten kurs ma na celu demistyfikację technologii big data/Hadoop i pokazanie, że nie jest trudna do zrozumienia.

Przegląd: Big Data

• Co to jest Big Data
• Dlaczego Big Data zyskuje na popularności
• Studia przypadku Big Data
• Cechy Big Data
• Rozwiązania do pracy z Big Data.

Hadoop i jego komponenty:

• Co to jest Hadoop i jakie są jego komponenty.
• Architektura Hadoop i cechy danych, które może obsługiwać/Przetwarzać.
• Krótki przegląd historii Hadoop, firm używających go i dlaczego zaczęły go stosować.
• Szczegółowe omówienie ramki Hadoop i jego komponentów.
• Co to jest HDFS i czytanie – zapisywanie do rozproszonego systemu plików Hadoop.
• Jak skonfigurować klastr Hadoop w różnych trybach – Stand-alone/Pseudo/Multi Node cluster.

(To obejmuje skonfigurowanie klastru Hadoop w VirtualBox/KVM/VMware, konfiguracje sieciowe, które należy dokładnie sprawdzić, uruchamianie demonów Hadoop i testowanie klastru).

• Co to jest ramka Map Reduce i jak działa.
• Uruchamianie zadań Map Reduce na klastrze Hadoop.
• Zrozumienie replikacji, lustrzania i świadomości szuflady w kontekście klastrów Hadoop.

Planowanie klastru Hadoop:

• Jak zaplanować klastr Hadoop.
• Zrozumienie sprzętu-oprogramowania do zaplanowania klastru Hadoop.
• Zrozumienie obciążeń i planowanie klastru w celu uniknięcia awarii i optymalnego działania.

Co to jest MapR i dlaczego MapR:

• Przegląd MapR i jego architektury.
• Zrozumienie i działanie MapR Control System, MapR Volumes, snapshotów i luster.
• Planowanie klastru w kontekście MapR.
• Porównanie MapR z innymi dystrybucjami i Apache Hadoop.
• Instalacja MapR i wdrażanie klastru.

Konfiguracja i administracja klastru:

• Zarządzanie usługami, węzłami, snapshotami, lustrzanymi woluminami i zdalnymi klastrami.
• Zrozumienie i zarządzanie węzłami.
• Zrozumienie komponentów Hadoop, instalowanie komponentów Hadoop wraz z usługami MapR.
• Accessowanie danych w klastrze, w tym za pomocą NFS Zarządzanie usługami i węzłami.
• Zarządzanie danymi za pomocą woluminów, zarządzanie użytkownikami i grupami, zarządzanie i przypisywanie ról do węzłów, komisjonowanie/dekomisjonowanie węzłów, administracja klastrami i monitorowanie wydajności, konfigurowanie/analizowanie i monitorowanie metryk w celu monitorowania wydajności, konfigurowanie i administrowanie bezpieczeństwem MapR.
• Zrozumienie i praca z M7 – natywnym magazynowaniem dla tabel MapR.
• Konfiguracja i dostrajanie klastru dla optymalnej wydajności.

Aktualizacja klastru i integracja z innymi ustawieniami:

• Aktualizowanie wersji oprogramowania MapR i typy aktualizacji.
• Konfigurowanie klastru MapR do dostępu do klastru HDFS.
• Uruchamianie klastru MapR na Amazon Elastic Mapreduce.

Wszystkie powyższe tematy obejmują demonstracje i sesje praktyczne dla uczących się, aby mieli doświadczenie z technologią.