کتاب Hadoop و پردازش دسته‌ای داده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Hadoop و پردازش دسته‌ای داده

موضوع کلی: مدیریت و تحلیل داده‌ها در کسب‌وکار

موضوع میانی: Hadoop

📋 سرفصل‌های دوره

• 1. آشنایی با مفاهیم پردازش داده‌های بزرگ
• 2. معماری Hadoop: نگاهی کلی
• 3. نصب و پیکربندی Hadoop در محیط‌های مختلف
• 4. سیستم فایل توزیع‌شده Hadoop (HDFS): مبانی و معماری
• 5. دستورات اصلی کار با HDFS
• 6. مدیریت فایل‌ها و دایرکتوری‌ها در HDFS
• 7. تکثیر داده‌ها و تحمل خطا در HDFS
• 8. پیکربندی HDFS برای عملکرد بهینه
• 9. آشنایی با MapReduce: اصول و مفاهیم
• 10. نوشتن اولین برنامه MapReduce
• 11. چرخه حیات یک Job در MapReduce
• 12. مراحل Map و Reduce: جزئیات و بهینه‌سازی
• 13. انواع فرمت‌های ورودی و خروجی در MapReduce
• 14. پیکربندی Job در MapReduce
• 15. استفاده از Counters در MapReduce
• 16. بهینه‌سازی عملکرد برنامه‌های MapReduce
• 17. آشنایی با YARN: مدیریت منابع و زمان‌بندی
• 18. مفاهیم Resource Manager و Node Manager
• 19. نحوه تخصیص منابع در YARN
• 20. صف‌های YARN و مدیریت اولویت‌ها
• 21. اجرای برنامه‌های MapReduce با YARN
• 22. آشنایی با Hive: SQL بر روی Hadoop
• 23. نصب و پیکربندی Hive
• 24. نوشتن و اجرای Queryهای HiveQL
• 25. انواع داده‌ها و توابع در Hive
• 26. پارتیشن‌بندی و Bucketting در Hive
• 27. بهینه‌سازی Queryهای Hive
• 28. آشنایی با Pig: زبان اسکریپتی برای Hadoop
• 29. نصب و پیکربندی Pig
• 30. نوشتن و اجرای اسکریپت‌های Pig Latin
• 31. انواع عملگرها و توابع در Pig
• 32. تبدیل داده‌ها با استفاده از Pig
• 33. آشنایی با HBase: پایگاه داده NoSQL بر روی Hadoop
• 34. مفاهیم کلیدی HBase: Table، Column Family، Row Key
• 35. نصب و پیکربندی HBase
• 36. نوشتن و خواندن داده‌ها در HBase
• 37. مدیریت Schema در HBase
• 38. آشنایی با Spark: پردازش سریع داده‌های بزرگ
• 39. معماری Spark و مفاهیم کلیدی
• 40. نصب و پیکربندی Spark
• 41. برنامه‌نویسی با Spark: RDDها
• 42. تبدیل و عملیات روی RDDها
• 43. Spark SQL: کار با داده‌های ساخت‌یافته
• 44. Spark Streaming: پردازش داده‌های جریانی
• 45. آشنایی با Flume: جمع‌آوری داده‌ها