          Cloudera数据分析师培训

1.Hadoop基础知识　●Hadoop动机　●Hadoop概览　●数据存储：HDFS　●分布式数据处理：
YARN、MapReduce和Spark　●数据处理与分析：Pig、Hive和Impala　●数据集成：Sqoop　●其它的Hadoop数据工具　●练习分析场景说明
2.Pig简介　●Pig是什么　●Pig的特点　●Pig使用案例　●与Pig的交互
3.Pig基本数据分　●PigLatin语法　●加载数据　●简单数据类型　●字段定义　●数据输出　●架构查看　●数据筛选和排序　●常用函数
4.使用Pig处理复杂的数据　●数据存储格式　●复合/嵌套数据类型　●数据分组　●复杂数据内置函数　●遍历分组数据
5.Pig多数据集操作　●数据集合并技术　●在Pig中联接数据集　●集合运算　●拆分数据集
6.Pig故障诊断和性能优化　●Pig故障排除　●日志　●使用Hadoop的WebUI　●数据采样及调试　●性能概述　●了解执行计划　●提高Pig作业性能的技巧
7.Hive和Impala简介　●什么是Hive　●什么是Impala　●为什么使用Hive和Impala　●架构和数据存储　●Hive及Impala与传统数据库的比较　●Hive使用案例
8.使用Hive和Impala进行数据查询　●数据库和表　●基本的Hive和Impala查询语言语法　●
数据类型　●使用Hue来执行查询　●使用Beeline（HiveShell）　●使用ImpalaShell
9.Hive及Impala数据管理　●数据存储　●创建数据库和表　●加载数据　●修改数据库和表　●
使用视图简化查询　●存储查询结果10.数据存储和性能　●对表进行分区　●分区表的数据加载　●
何时使用分区　●文件格式的选取　●使用Avro及Parquet文件格式
11.使用Hive和Impala进行关系数据分析　●连接数据集　●常见的内置函数　●聚合和窗口函数
12.复杂数据类型　●在Hive里使用复杂数据　●在Impala里使用复杂数据
13.使用Hive及Impala分析文本数据　●在Hive及Impala里使用正则表达式　●在Hive里通过SerDe加载处理文本　●情感分析及n-gram
14.Hive优化　●了解查询性能　●Bucketing（分桶）　●索引数据　●HiveonSpark
15.Impala优化　●Impala如何执行查询　●改善Impala性能
16.扩展Hive及Impala　●使用SerDe加载特殊格式文件　●通过定制脚本来转换数据　●用户自定义函数　●参数化查询
17.选择好工具　●比较Pig、Hive、Impala和关系数据库该选择哪一个