Продолжительность: 5 дней, 40 академических часов.
(Курсы Big Data для администраторов Hadoop, Spark)
Соотношение теории к практике 40/60.
Сегодня Apache Hadoop является самой популярной открытой платформой для распределенных вычислений и главной технологией больших данных (Big Data). Данный курс для администраторов Big Data содержит всю необходимую теоретическую информацию по планированию и развертыванию распределенных вычислительных кластеров на базе дистрибутивов Hadoop. Рассматриваются процессы мониторинга и оптимизации производительности системы, резервному копированию и аварийному восстановлению узлов кластера и отдельных компонент. Особое внимание уделено настройкам безопасности системы Kerberos (Active Directory и MIT/FreeIPA) на базе Hadoop.
Курс администрирование кластера Hadoop построен на сквозных практических примерах развертывания и администрирования распределенной вычислительной среды: локально и в облачной инфраструктуре. Вы изучите особенности использования компонент Hadoop для запуска задач распределенных вычислений с тестовыми данными. Практические занятия выполняются в кластерной среде Amazone Web Services с использованием дистрибутивов Cloudera Distributed Hadoop/ HortonWorks и Arenadata Hadoop (российский дистрибутив Hadoop в рамках программы импортозамещения), а также программного обеспечения управления кластером Cloudera Manager/ Arenadata Hadoop / HortonWorks.
Программа
Введение в Big Data
- Что такое Big Data. Понимание проблемы Big Data
- Эволюция систем распределенных вычислений Hadoop
- Принципы формирования Data Lake и pipelines
Архитектура Apache Hadoop
- Hadoop сервисы и основные компоненты. Name node. Data Node.
- YARN сервис — планировщик
- HDFS
- Отказоустойчивость и высокая доступность
Hadoop Distributed File System
- Архитектура HDFS. Блоки HDFS.
- Основные команды работы с HDFS.
- Операции чтения и записи, назначения HDFS.
- Дисковые квоты. Поддержка компрессии
- Основные форматы хранения данных TXT, AVRO, ORC, Parquet, Sequence файлы
- Импорт (загрузка) данных на HDFS
- Организация Tiering для хранения данных
- Архивное хранение HDFS
- Локальное чтение и распределенное кэширование
Map Reduce
- Ведение в MapReduce. Компоненты MapReduce. Работа программ MapReduce. YARN MapReduce v2/3
- Ограничения и параметры MapReduce и YARN
- Управление запуском пользовательских задач (jobs) под MapReduce
Дизайн кластера Hadoop
- Сравнение дистрибутивов и версий Hadoop 2/3 (Cloudera Distributed Hadoop, MapR, HortonWorks Data Platform, Arenadata Hadoop): различия и ограничения
- Требования программного и аппаратного обеспечения
- Планирование кластера
- Масштабирование кластера Hadoop. Отказоустойчивость Hadoop
- Federated NameNode. Hadoop в облаке.
- Сравнение Cloud решений для Hadoop. Amazon EMR
- Интеграция с другими решениями: streaming (DataFlow), NoSQL.
Установка кластера
- Установка Hadoop кластера
- Выбор начальной конфигурации
- Оптимизация уровня ядра для узлов
- Начальная конфигурация HDFS и MapReduce
- Файлы логов и конфигураций
- Установка Hadoop клиентов
- Установка Hadoop кластера в облаке
- Автоматические варианты установки
- Установка и настройка кластера Hadoop в изолированном окружении (offline).
- Операции обслуживания кластера Hadoop
Дисковая подсистема
- Квоты
- Остановка, запуск, перезапуск(Graceful Shutdown)
- Управление узлами
- Управление обновлениями и создание локального репозитория
Оптимизация и управление ресурсами
- Поиск узких мест.
- Производительность. Файловая система. Data Node и data layout и партиционирование, bucketing
- Планировщики: FIFO scheduler. Планировщик емкости (Capacity scheduler). Гранулярное управление ресурсами (Fair scheduler).
- Защита очередей и доминантное управление ресурсами DRF.
- Особенности управления ресурсами для разных дистрибутивов
Управление кластером Hadoop с использованием Cloudera Manager/Apache Ambari
- Установка Cloudera Manager/Apache Ambari
- Основные операции и задачи Cloudera Manager/Apache Ambari
- Мониторинг с Cloudera Manager/Apache Ambari/ Grafana
- Диагностика и разрешение проблем с Cloudera Manager/Apache Ambari
Безопасность Apache Hadoop
- Безопасность по умолчанию
- Многопользовательский режим
- Аутентификация и авторизация с использованием Active Directory(Microsoft), REALM MIT/FreeIPA: Kerberos, keytabs, principals.
- Установка и конфигурирование Kerberos в Hadoop
- Обзор возможностей Apache Sentry, Cloudera Navigator, Apache Ambari, Apache Ranger, Apache Knox, Apache Atlas
- Резервное копирование и аварийное восстановление
- Репликация данных и snapshoting. Конфигурирование высокой доступности Name node (HA)
- Компоненты безопасности Hadoop
- Best practices Cloudera / HortonWorks/Cloudera/ArenaData
Мониторинг Apache Hadoop
- Apache Zookeeper
- Встроенные средства мониторинга Cloudera Manager/Apache Ambari
- Логи сервисов и компонент
- Внешние системы мониторинга: Zabbix, JMX, Grafana
Troubleshooting
- Data Node
- Name Node
- Восстановление Name Node
- Инструментарий Apache Hadoop экосистемы
Графический интерфейс сервиса HUE
- Подключение Cloudera Data Science Workbench
- Назначение Apache Zookeeper
- Основы Apache Pig — установка и выполнение базовых операций
- Введение в Apache Hive, понятие Hive таблицы, установка Hive
- Использование Apache sqoop — установка и выполнение базовых операций
- Базовые операции Apache Flume — установка и выполнение базовых операций
- Обзор и назначение компонент: Cloudera Impala, Apache NiFi, Apache HBase, Apache Kafka, Apache Zookeeper, Apache Oozie
- Примерный список практических занятий:
Ручная установка кластера Hadoop с дистрибутива Cloudera Distributed
- Hadoop/HortonWorks/Arenadata Hadoop на локальной системе 3-узловый кластер
- Установка 3-узлового кластера в облаке Amazon Web Services с использованием Cloudera Manager/Apache Ambari
- Базовые операции с кластером Hadoop и файловые операции HDFS.
- Управление ресурсами и запуском задач с использованием YARN MapReduce/Tez.
- Управление кластером с использованием Cloudera Manager/Apache Ambari(развертывание сервисов, репликация, мониторинг, alerting и т.д.)
- Конфигурирование системы аутентификации Kerberos для кластера Hadoop под управление Cloudera Manager/Apache Ambari
- Установка и выполнение базовых операций в Apache Hive, Apache sqoop, Apache Flume
- Выполнение задач в веб-интерфейсе HUE/Apache Ambari View
- Мониторинг кластера Hadoop с использованием Zabbix (опционально)
- HA высокая доступность (High Availablility) Name Node и YARN (ресурс-менеджер).
Примечание:
- Доступ к лабораторному стенду на Amazon Web Services предоставляется на время учебных курсов с 8:30 до 18:30 (возможно продление времени по запросу).
- Практические занятия с меткой (опционально) выполняются по желанию и при наличии свободного времени у слушателей
- Лекции 0
- Тесты 0
- Учебное время 50 hours
- Навык Все уровни
- Язык English
- Студенты 0
- Оценки Да