随着互联网的快速普及，以及大数据在生产生活中迅速应用，对企业业务的高并发提出苛刻的要求，如何能够满足业务的高并发需求呢？Redis和Kafka可以满足高并的苛刻需求，被越来越多的企业所使用。Redis和Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理大规模的网站的所有动作流数据。基于以上市场需求尹老师专门总结了使用Redis和Kafka的多年工作经验，帮助学员提升Redis和Kafka技能，学会使用Redis和Kafka。 本课程重点讲解Redis和Kafka的安装配置、API的使用、持久化与复制、集群搭建与运维等。

随着大数据时代的快速到来，以及大数据在生产生活中迅速应用，大数据领域如雨后春笋般的出现大量的新技术，如Hadoop、Spark等技术，其中Python语言已经成为大数据技术中最为重要的一部分，被越来越多的企业所使用。Python语言的功能涵盖了大数据领域的数据处理、统计分析、数据挖掘、机器学习、人工智能、大数据应用开发等各种不同类型的计算操作，应用范围广泛、前景非常广阔。本课程是尹老师多年工作经验的总结和归纳，从实际业务案例为入口，使学员从理论层到实操层面系统的学习Python语言基础编程，使学员深入理解Python语言的特点。通过本课程的学习，学员即可以正确的分析企业的数据，为管理者、决策层提供数据支撑。 本课程重点讲解Python语言开发技能，为企业的战略发展提供参考

Hadoop生态系统是大数据技术事实标准，是大数据思想、理念、机制的具体实现，是整个大数据技术中公认的核心框架和具有极强的使用价值与研究价值。Hadoop 系统是一款开源软件，能够处理海量的各种结构（包括结构化、非结构化、半结构化）的数据。 Yarn是基于Hadoop的分布式集群资源管理框架；随着Hadoop集群应用的广泛，以及集群的规模越来越大，人们发现Hadoop MRv1存在诸多问题，因此Hadoop MRv2诞生，即现在的YARN，解决了4000节点的上限问题。 基于 Hadoop 的解决方案能够帮助企业应对多个大数据挑战，包括： 1、分析海量（PB 级或者更多）的数据 Hadoop 能够分析所有数据，使得分析更准确，预测更精确； 2、从多个数据类型的组合中获得新的洞察力 将来自多个数据源的不同类型的数据进行结合分析，发现新的数据关系和洞察力； 3、存储大量的数据 由于它不依赖于高端硬件，且是可扩展的，所以使存储大量数据变得经济有效； 4、数据发现(data discovery)和研究 Hadoop 提供了一个地方，数据科学家可在此发现新的数据关系和相互依赖性。

数据架构建设,数据资产管理,数据治理等

工业和信息化部电信研究院于2014年5月发布的“大数据白皮书”中指出： “2012 年美国联邦政府就在全球率先推出“大数据行动计划（Big data initiative）”，重点在基础技术研究和公共部门应用上加大投入。在该计划支持下，加州大学伯克利分校开发了完整的大数据开源软件平台“伯克利数据分析软件栈（Berkeley Data Analytics Stack），其中的内存计算软件Spark的性能比Hadoop 提高近百倍，对产业界大数据技术走向产生巨大影响” Spark是成为替代MapReduce架构的大数据分析技术，Spark的大数据生态体系包括流处理、图技术、机器学习等各个方面，并且已经成为Apache顶级项目，可以预计的是2014年下半年到2015年在社区和商业应用上会有爆发式的增长。 国内外一些大型互联网公司已经部署了Spark，并且它的高性能已经得到实践的证明。国外Yahoo已在多个项目中部署Spark，尤其在信息推荐的项目中得到深入的应用；国内的淘宝、爱奇异、优酷土豆、网易、baidu、腾讯等大型互联网企业已经将Spark应用于自己的生产系统中。国内外的应用开始越来越广泛。Spark正在逐渐走向成熟，并在这个领域扮演更加重要的角色。

大数据平台的发展,大数据的整体技术架构,大数据应用场景等