{{{
#!html
<div style="text-align: center;"><big
 style="font-weight: bold;"><big><big>雲端 Big Data 之處理、分析與應用(進階班)</big></big></big></div>
}}}
[[PageOutline]]

= 報名資訊 =

 * 詳[http://www.iiiedu.org.tw/ites/CBDA.htm 資策會網站公告]

= 課程源起 =
{{{
#!text
  雲端運算掀起了新一代的資訊革命，也帶來了資訊爆炸式的成長，市調單位IDC的研究報告指出：
自2010年全球資料量已進入ZB(zettabytes，1 ZB 為1兆GB)時代，並且每年以60%的速度攀升，
這意味著每18個月全球的資料量將翻倍。面對不斷擴張的驚人資料量，大量資料 (Big Data) 的
儲存、管理、處理、搜尋、分析與智能應用等處理資料的能力也將面臨新的挑戰，而處理資料的技術
將迫切需要可動態與彈性等特點，以支援大量資料處理的計算模式。

工欲善其事，必先利其器，根據市場調查機構IDC的研究顯示，Hadoop 軟體市場的復合年增長率
超過了60%，並預測到了2016年，市場總值將由2011年的7700萬美元增長至8.128億美元，可見得
Hadoop火熱的程度。巨量資料寶庫蘊藏豐沛的珍寶，除了幾乎成為巨量資料代名詞的Hadoop外，
相同框架裡頭的 MapReduce、HDFS等技術，皆為意欲挖掘出這些寶藏之企業所需準備的工具，意欲
開啟巨量資料希望之門，幾乎可以肯定，絕對少不掉Hadoop這把鑰匙！

為了解決巨量資料的問題，Hadoop 周遭已經發展出相當完整的生態系，其中有兩個最為核心的項目，
一是MapReduce這個執行分散式處理的程式模型，另一則是HDFS這個虛擬的分散式檔案系統，透過
專司運算、儲存的兩根大支柱，牢牢地撐起Hadoop架構。且基於map/reduce的演算，Hadoop可以
利用分散式節點的增加，來持續提供更多的計算能力，因此具備了很好的規模可擴充性。

為了滿足業界需求，資策會 特規劃「雲端Big Data之處理與分析進階班」課程，本課程學員將學習
到雲端運算之三大關鍵技術，利用Hadoop之分散式檔案系統(HDFS)與MapReduce，快速建構出雲端
運算的執行環境和服務，並以Hadoop FileSystem API 實作、MapReduce API 實作、
MapReduce 與資料庫結合與MapReduce 與 Hadoop 生態系整合等實作方式讓學員更加了解如何
透過Hadoop架構以進行雲端資料的大量資料處理、分析與應用。
}}}

= 課程目標 =

 * 學習 Hadoop File System 之 API 實作
 * 學習 Hadoop MapReduce 開發輔助工具 Eclipse 與 Netbeans
 * 學習 MapReduce 之 API 實作
 * 瞭解 MapReduce 與資料庫結合的方式
 * 學習 MapReduce 與 Hadoop 生態系之整合方式

= 課程特色 =

{{{
#!text
本課課程重點在於透過採體驗式教學方式的實作，經由多樣性的實際指令操作進行整合實作，
讓參訓學員瞭解正確的觀念與方法，以體驗實際的操作方式驗證課程所學 ，期能讓學員學會
如何將 Hadoop 這項技術與現存資訊架構進行整合。
}}}

= 適合對象 =

 * IT經理或系統網路部門主管
 * 專案經理、系統架構師或系統網路管理人員
 * 企業或技術決策人員
 * 對於雲端運算之大量資料(Big Data)處理、分析、應用有興趣者
[[PageOutline]]

= 預備知識 =

 * 具 Linux 操作實務與 Java 程式語言基礎者尤佳。
 *  具雲端運算之大量資料處理、分析與應用實務之基礎課程知識者尤佳。

= 課程日期 =

 * 102年10月19~20日 (週六/週日 白天9:30 ~16:30 )，共2天、計12小時 。

= 上課地點 =

 * 資策會數位教育研究所，台北市信義路三段 153 號 10 樓 1001 教室。
 * 位於捷運木柵線大安站斜對面(復興南路與信義路交叉口)，燦坤樓上。
 * 上課地點與教室之確認，以上課通知函為主。

= 課程內容 =

 * [raw-attachment:wiki:III131019:13-10-19_Hadoop_Advanced.pdf 完整版投影片]

== '''2013-10-19（六）''' ==

 || 時段 || 課程內容 || 投影片[[BR]]實作步驟 || 補充資料 ||
 || 09:30-11:00 || Big Data 處理技術與 Hadoop 簡介 || [raw-attachment:wiki:III131019:part-1.pdf 投影片] || * 重點一:減少資料搬運的頻寬成本跟時間成本 [[BR]] * 重點二:在地運算(Data Locality) ||
 || 11:00-11:20 || Hadoop 的三種模式與三種安裝方法 || || * http://hadoop.apache.org - Hadoop 專案官方首頁 [[BR]] * http://www.cloudera.com - RPM/DEB 套件庫 : [http://www.etusolution.com/index.php/tw/ 精誠知意圖(Etu)] [[BR]] * http://hortonworks.com - HDP for Windows : [http://www.tcloudcomputing.com.tw 趨勢騰雲(TCloud)] [[BR]] * http://www.mapr.com - MapR : [http://www.is-land.com.tw 亦思科技] ||
 || 11:20-12:00 || 單機模式（Local Mode）操作觀察  || [wiki:III131019/Lab1 實作一] || * [http://hadoop.apache.org/docs/stable/single_node_setup.html 阿帕契基金會官網單機安裝流程] [[BR]] * [http://hadoop.nchc.org.tw/~jazz/temp Ubuntu 安裝 Hadoop / HBase 單機安裝腳本] || 
 || 12:00-12:25 || 偽分散式模式（Pseudo-Distributed Mode）操作觀察  || [wiki:III131019/Lab2 實作二] || * [http://trac.nchc.org.tw/cloud/wiki/NTU131002/Lab2 官方 Hadoop 2.0 版的自動化安裝] ||
 || 12:25-13:30 || 午餐時間 || || ||
 || 13:30-13:45 || 全分散式模式（Full Distributed Mode）操作觀察  || [wiki:III131019/Lab3 實作三] || ||
 || 13:45-14:00 || HDFS 基本指令操作 || [wiki:III131019/Lab4 實作四] || ||
 || 14:00-14:20 || 基本除錯技能(一) Bash 除錯 || [wiki:III131019/Lab5 實作五] || ||
 || 14:20-14:30 || 基本除錯技能(二) Log4J || [wiki:III131019/Lab6 實作六] || ||
 || 14:20-14:40 || 基本除錯技能(三) 切換 Hadoop 設定檔 || [wiki:III131019/Lab7 實作七] || ||
 || 14:40-15:00 || 中場休息 ||
 || 略過 || MapReduce 基本指令操作 || [wiki:III131019/Lab8 實作八] || ||
 || 15:00-15:20 || Hadoop !FileSystem API 原始碼觀察 || [wiki:III131019/Lab9 實作九] || ||
 || 15:20-15:40 || Hadoop !FileSystem API 實作(一) [[BR]] Local 檔案上傳到 HDFS || [wiki:III131019/Lab10 實作十] || ||
 || 15:40-15:50 || Hadoop !FileSystem API 實作(二) [[BR]] HDFS 下載檔案到 Local || [wiki:III131019/Lab11 實作十一] || ||
 || 15:50-16:00 || Hadoop !FileSystem API 實作(三) [[BR]] 判斷檔案是否存在、屬性為何 || [wiki:III131019/Lab12 實作十二] || ||
 || 略過 || Windows 版 Hadoop 安裝 (1) Hadoop4Win || [wiki:III131019/Lab13 實作十三] || * http://www.hadoop4win.org ||
 || 16:00-16:10 || Windows 版 Hadoop 安裝 (2) Windoop || [wiki:III131019/Lab14 實作十四] || * http://code.google.com/p/windoop ||
 || 16:10-16:30 || Hadoop Eclipse Plugin 功能展示 || '''操作展示''' || ||

== '''2013-10-20（日）''' ==

 || 時段 || 課程內容 || 實作 || 補充資料 ||
 || 09:30-10:10 || 第一天學員問題分享 || || * 如何自己建立練習環境 [[BR]] * [http://forum.hadoop.tw/viewtopic.php?f=7&t=36011 CCDH / CCAH 考試認證指南] [[BR]] * [http://forum.hadoop.tw Hadoop.TW 技術討論區] [[BR]] * [https://www.facebook.com/groups/hadoop.tw/ 臉書 Hadoop.TW 社團] [[BR]] * [http://classcloud.org/media 歷史課程錄影] ||
 || 10:10-10:40 || 新版 Hadoop MapReduce 語法 (0.19以後) [[BR]] 使用 WordCount 範例解說 || [wiki:III131019/Lab15 實作十五] || ||
 || 10:40-11:00 || 中場休息 || || ||
 || 11:00-12:05 || MapReduce 『邏輯流』解說 || || ||
 || 12:05-13:05 || 午餐時間 || || ||
 || 13:05-13:25 || 舊版 Hadoop MapReduce 語法 (0.19以前) [[BR]] 使用 WordCount 範例解說 || [wiki:III131019/Lab16 實作十六] || ||
 || 13:25-13:45 || Inner Class v.s. Public Classes || [wiki:III131019/Lab17 實作十七] || ||
 || 13:45-14:00 || 增加 Reducer 個數：Job.setNumReduceTasks(N) || [wiki:III131019/Lab18 實作十八] || ||
 || 14:00-14:15 || 觀察 Mapper 中間產物：Job.setNumReduceTasks(0) || [wiki:III131019/Lab19 實作十九] || ||
 || 14:15-14:30 || 中場休息 ||
 || 14:40-15:00 || 預設的輸入格式：!TextInputFormat || [wiki:III131019/Lab20 實作二十] || ||
 || 15:00-15:20 || 修改檔案輸入格式：!KeyValueTextInputFormat || [wiki:III131019/Lab21 實作二十一] || ||
 || 15:20-16:00 || MapReduce 『資料流』解說 || || ||
 || 16:00-16:20 || 關於 MapReduce 的設定檔 Configuration || [wiki:III131019/Lab22 實作二十二] || ||
 || 16:20-16:30 || 如果我需要兩個輸入檔呢？ [[BR]] Distribtued Cache || [wiki:III131019/Lab23 實作二十三] || ||

= 補充設定 =

 * screenrc 範例
{{{
$ cat > ~/.screenrc <<EOF
caption always "%{= wk} %{= KY} [%n]%t @ %H %{-} %= %{= KR} %l %{-} | %{= KG} %Y-%m-%d %{-} "
hardstatus alwayslastline " %-Lw%{= Bw}%n%f %t%{-}%+Lw %=|"
vbell off
EOF
}}}

 * 檢查 Java 記憶體使用量
{{{
top -p `pidof java | sed 's# #,#g'`
}}}

 * hadoop_labs for hadoop4win - 未經完整測試
  * https://github.com/jazzwang/hadoop_labs/archive/hadoop4win.zip

= 公用環境 =

 * 課後問題討論，建議優先至台灣 Hadoop 使用者討論區 http://forum.hadoop.tw 或臉書粉絲團 https://www.facebook.com/groups/hadoop.tw/ 進行討論。
 * 需要 Hadoop 叢集環境，可至 http://hadoop.nchc.org.tw 申請帳號。
   * 申請步驟，請參閱[wiki:YMU110509/Lab1 截圖說明]
 * 關於公用叢集的幾個重要入口：
 * http://hadoop.nchc.org.tw - 實驗叢集入口網站
 * http://hadoop.nchc.org.tw/ganglia - 實驗叢集負載狀態
 * http://hadoop.nchc.org.tw:50030 - 實驗叢集正在執行與執行完畢的任務
 * http://hadoop.nchc.org.tw:50070 - 實驗叢集的硬碟空間狀態
 * http://hadoop.nchc.org.tw/hadoop-doc - Hadoop 相關說明文件
 * http://hadoop.nchc.org.tw/hadoop-doc/api/index.html - Hadoop 0.20.2 javadoc 文件