Lynda Hadoop Fundamentals
آموزش اصول اصلی کار با Hadoop
- کاربرد : آموزش اصول اصلی کار با Hadoop
- نوع فایل : فیلم آموزشی
- زبان : انگلیسی
- سیستم عامل : Windows-Mac-Linux-Android-iOS
- تولید کننده : Lynda
- سال تولید : 2015
توضیحات
همانطور که می دانید از آپاچی هادوپ برای تحلیل و پردازش های داده های عظیم ( Big Data ) استفاده می گردد. با مشاهده این مجموعه آموزش با مبانی Hadoop آشنا شده و می آموزید هادوپ چیست ؟ ، پس از آن کار با هادوپ را برای تحلیل و پردازش مجموعه داده های عظیم فرا می گیرید.برخی از مطالب ارائه شده در این مجموعه آموزش عبارتند از :آشنایی با اجزای تشکیل دهنده Hadoop شامل HDFS و MapReduce آموزش تنظیم محیط برنامه نویسی هادوپآموزش کارکردن با فایل سیستم هادوپآموزش ایجاد کردن محیط لازم برای کار بر روی هادوپآموزش اجرا و دنبال کردن Job های هادوپآموزش بهینه سازی MapReduce آموزش کار با Hive و HBase آموزش ایجاد نمودن Workflow های مورد نیازآموزش استفاده از کتابخانه های کمکی هادوپ مواردی مانند Impala , Mahout , Storm آشنایی با Spark و آموزش کار با آنآموزش مصور سازی داده های خروجی گرفته شده از هادوپ این مجموعه آموزش ویدیویی به همراه فایل های تمرینی و به مدت زمان 4 ساعت و 48 دقیقه در اختیار علاقه مندان قرار می گیرد.
Description
Hadoop is indispensible when it comes to processing big data—as necessary to understanding your information as servers are to storing it. This course is your introduction to Hadoop, its file system (HDFS), its processing engine (MapReduce), and its many libraries and programming tools. Developer and big-data consultant Lynn Langit shows how to set up a Hadoop development environment, run and optimize MapReduce jobs, code basic queries with Hive and Pig, and build workflows to schedule jobs. Plus, get a sneak peek at some up-and-coming libraries like Impala and the lightning-fast Spark.
Topics include:
Understanding Hadoop core components: HDFS and MapReduce
Setting up your Hadoop development environment
Working with the Hadoop file system
Running and tracking Hadoop jobs
Tuning MapReduce
Understanding Hive and HBase
Exploring Pig tools
Building workflows
Using other libraries, such as Impala, Mahout, and Storm
Understanding Spark
Visualizing Hadoop output
Topics include:
Understanding Hadoop core components: HDFS and MapReduce
Setting up your Hadoop development environment
Working with the Hadoop file system
Running and tracking Hadoop jobs
Tuning MapReduce
Understanding Hive and HBase
Exploring Pig tools
Building workflows
Using other libraries, such as Impala, Mahout, and Storm
Understanding Spark
Visualizing Hadoop output