Python基础 解释器Python2.7/3.x、IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 Python安装与环境配置 Python基本数据类型：list, dict, tuple, set等 Python文件操作：txt, excel等 Python 的标准库和第三方库 Python高级用法：切片、迭代、map、filter、reduce 典型图像处理

本课程根据GB/T 25000.51-2016和GB/T 25000.10-2016中对软件性能效率的要求。 解析在标准中对软件性能效率的要求。 解析标准中对测试文档集中的要求。 在实战的项目中，针对产出物的要求，根据测试用例执行产生的数据，编写性能软件测试计划/方案、软件测试说明/软件测试场景、软件性能测试结果报告。

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、Flink、Storm、Impala等技术，其中Hadoop、Hive、Spark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。Hadoop、Spark的功能涵盖了大数据领域的离线批处理、SQL类处理、流式/实时计算、机器学习、图计算等各种不同类型的计算操作，应用范围广泛、前景非常广阔。采用Hadoop、Spark的目的，主要是为了使大数据处理任务速度更快，效率更高。Hadoop、Spark运行在大量的x86服务器集群中，在使用过程中不可避免的遇到性能瓶颈，这些性能问题可能是用法不对，可能是算法不是分布式算法，或者可能是数据倾斜导致等，因此需要进行一系列的性能优化，本培训尹老师总结和归纳多年工作经验，就Hadoop、Spark、Hive、SparkSQL、Shark、Imapla等大数据技术的性能调优进行深入剖析，使学员从实操层面提升到大数据技术核心原理层面进行调优，并通过生动的案例展示优化过程与效果，调优的范围包括规划调优、部署调优、硬件调优、网络调优、参数调优、开发调优、算法调优、运行调优、作业调优、数据调优和资源调优等。

针对个人的课程目标： 掌握工具Jmeter的具体使用技巧； 掌握Jmeter的高级使用技巧； 掌握Jmeter的原理； 掌握性能场景的执行过程及管控。

本课程从实战性能项目出发，领略性能艺术的壮阔、感受性能分析的博大精深。 从性能需求、性能指标、性能场景、性能监控、性能分析整个完整的操作过程，从各个角度分析实际项目中应该如何关注每一个环节。以及每个环节的动作如何影响着测试的结果。  摆脱对性能测试和性能分析的错误定位，通过实践中的示例，结合完整的证据链查找的思路，分析性能瓶颈的始末. 详解性能测试项目及性能分析中的层层细节，还原架构级性能团队该有的技术真相。  从技术到管理、从管理到技术的项目分析，走出性能职场的漩涡。 可针对学员的性能问题，现场分析，领略分析思路带来的开阔眼界。 1.熟练掌握中华人民共和国国家标准《党政机关公文格式》（GB/T 9704-2012）要点。 2.熟练掌握中共中央办公厅、国务院办公厅《党政机关公文处理工作条例》主要内容和实践要求。 3.运用结构性思维和金字塔工具搭建写作的框架，学会公文写作的布局谋篇。 4.通过现场演练，掌握常用公文写作的要求和技巧。 5.有效提升学员的公文规范化程度，借助公文来办理公务的能力，提升书面沟通的意识与能力。

1、本课程基于大数据体系构建数据仓库，重点内容包括数据仓库基础理论、数据集成、数据仓库维度模型建设、数据质量管理、数据生产链路监控（数据血缘关系管理）以及数据仓库主题模型设计等知识点； 2、本课程让学员掌握基于大数据生态的数据仓库建设、大数据生态体系技术选型，能够应用建模技术、大数据技术构建数据仓库； 3、学会使用合理的方法管控数据质量和元数据管理； 4、提供高效的分析处理海量数据和流式数据实时分析的仓库类型； 5、本课程使学员掌握大数据的数据仓库建设、设计、建模、管理； 6、分享实际项目数据仓库建设案例；