HDP Developer: Apache Pig, Hive & Spark

Beschreibung:

Dieses viertägige Entwickler-Training bietet Ihnen einen idealen Einstieg in die Datenverarbeitung mit der Hortonworks Data Platform (HDP). Nach einem Einstieg über HDFS und YARN, beschäftigen wir uns mit den drei Frameworks Apache Pig, Apache Hive & Apache Spark. Wir lernen alle Frameworks kennen & anwenden und haben am Ende des Trainings einen guten Überblick über deren Anwendungsgebiete und auch Abgrenzungen voneinander.

Dieses praxisorientierte Training wird in Zusammenarbeit mit Hortonworks angeboten und unser erfahrener Trainer teilt sein Wissen und seine Erfahrung in ca. 50 % Theorie & Diskussionen sowie ca. 50 % Labs an einer persönlichen Amazon AWS-Instanz mit Ihnen. Dieser Kurs bereitet auf die Zertifizierung zum HDP Certified Developer (HDPCD) vor, welche nach diesem Training über den Anbieter www.examslocal.com am eigenen Rechner abgelegt werden kann (weitere Details zur Zertifizierung).

Schulungssprache

Deutsch, Material auf Englisch

Termine und Ort

18.03.2019 - 21.03.2019 - Frankfurt am Main
auf Anfrage - Inhouse

Dauer in Tagen

Teilnahmegebühr

2400 € zzgl. MwSt. pro Teilnehmer

Anmeldeformular

Teilnahmevoraussetzungen und Zielgruppe

Entwickler & interessierte Analysten, die Big-Data-Fragestellungen mittels Apache Hadoop beantworten wollen
Die Teilnehmer sollten mit allgemeinen Programmierprinzipien vertraut sein
Kenntnisse in SQL sind hilfreich, aber nicht zwingend notwendig
Vorkenntnisse in Apache Hadoop sind nicht notwendig
Jeder Teilnehmer bekommt für die Dauer des Trainings eine vorkonfigurierte HDP-Umgebung über Amazon AWS zur Verfügung gestellt. Daher benötigen die Teilnehmer lediglich einen zeitgemäßen Rechner zum Verbinden mit dieser Umgebung:
- Zeitgemäße CPU mit 2+ GHz (bevorzugt Intel i5/i7 oder äquivalente AMD-Architektur
- 2+ GB RAM
- 2 GB freier Speicherplatz
- Firefox, Chrome oder Safari (Internet Explorer wird aktuell nicht unterstützt)

Trainer:

Uwe Printz

Uwe Printz ist Data Architect und Trainer. Seit dem ersten Kontakt mit verteilten Systemen lässt seine Begeisterung dafür nicht nach und zurzeit hält er sich bevorzugt im Hadoop-Zoo auf.

Inhalte:

Themen:

Einführung in Hadoop & HDP und Grundlagen von HDFS & YARN (Tag 1)
Apache Pig & Einführung in Apache Hive (Tag 2)
Deep Dive in Apache Hive (Tag 3)
Apache Spark & Apache Oozie (Tag 4)

Hands-on Labs:

Initiales Aufsetzen der Trainingsumgebung & Starten des Clusters
Demonstration zu Block Storage
Verwendung der HDFS Shell
Importieren von RDBMS-Daten nach HDFS mittels Sqoop
Exportieren von HDFS-Daten in ein RDBMS mittels Sqoop
Importieren von Log-Daten mittels Apache Flume
Demonstration zu MapReduce
Starten eines MapReduce-Jobs
Demonstration zu Apache Pig
Einstieg in Apache Pig
Exploration von Daten mit Apache Pig
Splitten eines Datensets
Zusammenführen eines Datensets
Vorverarbeitung von Daten für Apache Hive mittels Apache Pig
Analyse von Click Stream Daten mit Apache Pig
Quantil-Analyse von Marktdaten mit Apache Pig
Verständnis für Tabellen mit Apache Hive
Partitionierung & Data Skew in Apache Hive
Einführung in die Spark-Shell & Apache Zeppelin
Arbeiten mit RDDs
Arbeiten mit Spark SQL
Transformationen auf DataFrames
Spark Structured Streaming
Definition eines Apache Oozie Workflows

Tag 2

Überblick über Apache Pig
Schreiben von Apache Pig-Skripten zur Datenanalyse und -transformation
Fortgeschrittene Programmierung mit Apache Pig
Mittels Apache Pig Struktur in unstrukturierte Daten bringen
Aufruf von User Defined Functions (UDF) in Pig
Überblick über Apache Hive
Verständnis für Hive-Tabellen und deren Datenablage

Tag 3

Dateiformate in Apache Hive
Erzeugen und Befüllen von Hive-Tabellen mit Apache ORC
Benutzung und Anwendungsfälle der unterschiedlichen Join-Strategien von Hive
Optimierung von Hive-Abfragen
Zerlegung von Texten in N-Gramme
Benutzung von HCatalog für das übergreifende Speichern von Metadaten
Überblick über Hive 2 & LLAP
Zusammenspiel von Apache Hive & Apache HBase

Tag 4

Überblick über Apache Spark
Aufbau von Data Pipelines mit RDDs, Transformationen und Aktionen
Programmieren mit Core Spark
Data Frames & Spark SQL
Einführung in Streaming mit Apache Spark
Definition von Workflows mittels Apache Oozie