Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Tsinghua University

大数据平台核心技术

Tsinghua University via XuetangX

Overview

面向信息科学技术类研究生或高年级本科生,主要由业界一线研发人员讲授大数据平台涉及到的分布式系统构架、分布式编程、分布式流处理、分布式数据存储管理、内存计算支持等内容,通过实践,力图覆盖大数据处理平台的主要核心技术,帮助学生了解分布式大数据平台设计中的关键挑战,提出实际的解决方案,为研究生未来研究方向提供参考。课程重点讲解设计原理,突出技术深度和实战性。


【参考资料】李妹芳,《ODPS权威指南》。本书是学习和掌握ODPS的权威指南,作者来自阿里ODPS团队。全书共13章,主要内容包括:ODPS入门、整体架构、数据通道、MapReduce编程、SQL查询分析、安全,以及基于真实数据的各种场景分析实战。本书基于很多范例解析,通过在各种应用场景下的示例来说明如何通过ODPS完成各种需求,以期引导读者从零开始轻松掌握和使用ODPS。同时,本书不局限于示例分析,也致力于提供更多关于大数据处理的编程思想和经验分享。书中所有示例代码都可以在作者提供的网站上免费下载。这本书对平台架构介绍不多,偏应用方面,但对了解阿里的大数据平台能够做什么可能有些帮助。

Syllabus

  • 第一讲 大数据和ODPS
    • 主讲人:武永卫
    • 主讲人:程永
    • QUIZ
  • 第二讲 分布式存储
    • 大纲
    • 初步认识大数据对分布式存储系统的需求
    • 理解大数据对分布式存储系统的需求
    • 具体说明大数据对分布式存储系统的需求
    • 大规模分布式存储的挑战
    • 小概率事件-Raid卡故障
    • 分布式存储系统举例
    • 分布式存储系统重要功能设计要点剖析
    • 链式写正常流程
    • 写流程的另一种常见方式:主从模式
    • 链式写异常流程
    • 写异常处理的另一种方法-Seal and New
    • 读正常流程
    • 读流程优化-BackupRead
    • IO QoS
    • 数据正确性:checksum
    • 数据可靠性-Replication
    • 数据均衡-Rebalance
    • 垃圾回收-Garbage collection
    • Erasure coding
    • Erasure coding(3,2)写入和读取过程
    • 元数据管理的高可用性和可扩展性
    • 元数据管理的高可用性
    • Paxos概要
    • Raft
    • 元数据管理的可扩展性
    • 不同存储介质的特性
    • 盘古混合存储
    • QUIZ
  • 第三讲 资源管理与任务调度
    • 阿里云飞天分布式调度
    • 任务调度
    • 资源调度
    • 容错机制
    • 规模挑战
    • 安全域性能隔离
    • 分布式调度的发展方向
    • QUIZ
  • 第四讲 分布式编程模型的设计与演化
    • 数据格式和抽象
    • 分布式编程模型
    • MapReuduce编程模型
    • 关系型数据编程模型
    • 分布式图计算模型
    • 分布式编程未来展望
    • QUIZ
  • 实践1:通过两阶段提交协议完成数据上传
    • 分布式事务
    • 分布式一致性算法
    • 两阶段提交与三阶段提交
    • 实践--介绍
    • HW1:通过两阶段提交协议完成数据上传
  • 第五讲 离线分布式关系型计算
    • 关系型计算基本原理_1
    • 关系型计算基本原理_2
    • 分布式环境中的连接计算和聚合计算
    • 其他计算和物理优化
    • QUIZ
  • 第六讲 全局数据管理与调度
    • 提纲
    • 课程背景介绍
    • 前序知识
    • 分布式节点距离计算法则
    • 数据分布策略
    • 分布式计算调度
    • 数据就近原则计算如何容错
    • ODPS跨集群数据依赖
    • QUIZ
  • 实践2:编写MR完成Group By+Join操作
    • 主讲人:谢德军
    • HW2:编写MR完成Group By+Join操作
  • 第七讲 流式计算的系统设计与实现
    • 增量计算和流式计算
    • 与批量计算的区别
    • 业界典型系统技术概要分析
    • 核心技术
    • 消息机制
    • 有状态计算、并行DAG、抢占式调度和资源隔离、Failover机制
    • StreamSQL
    • QUIZ
  • 第八讲 内存计算
    • 软硬件趋势、分布式计算简史与内存计算
    • 分布式计算
    • 内存计算
    • 统一的计算框架
    • 业界经典系统技术分析-spark&flink
    • QUIZ
  • 第九讲 大规模数据的分布式机器学习平台
    • 主讲人:褚葳
    • QUIZ
  • 实践3:实现MapReduce编程运行时库
    • 分布式环境下的新问题
    • 工程实现范例
    • 课程设计相关问题
    • HW3:实现MapReduce编程运行时库
  • 期末考试——学分课

    Taught by

    Yongwei Wu, , , , and

    Tags

    Reviews

    Start your review of 大数据平台核心技术

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.