产品介绍

　　掌握类Linux操作系统的基本应用技巧，为Hadoop大数据集群搭建、大数据项目部署与运维打下坚实基础。

　　课程目标2：掌握Python语言的基础知识，以及如何使用Python语言进行实际应用开发，为大数据项目开发提供支撑。

　　课程目标3：掌握Linux系统网络配置，能够独立搭建Hadoop开发平台，并掌握常用的Hadoop系统操作。

　　课程目标4：掌握大数据存储的基本原理和基本技术，能够应用常用的大数据存储系统进行数据存取和管理。

　　课程目标5：掌握大数据处理的基本原理和基本编程模型，能够使用MapReduce解决实际问题。

　　通过本课程的学习，使学生接触并了解大数据技术的工作原理和应用方法，具备一定的大数据处理开发能力。培养学生的独立思考能力，判断、分析和解决问题及较强的实践动手能力（包括Python大数据分析、设计和可视化开发的能力，基于Python语言进行大数据清洗和存储的基本技能，较强的分析问题、解决问题的能力），为将来从事大数据相关领域工作打下坚实的基础。

　　教学目的：了解大数据的概念及其特征，了解Hadoop的发展历史和版本，掌握Hadoop的生态体系。

　　教学内容：主要介绍大数据的产生与发展及大数据技术的生态工具。通过本章的学习，读者应了解为什么学习大数据，大数据生态系统有哪些成员。

　　教学内容：主要介绍Linux系统的安装、基本命令操作、权限与目录管理、文件操作及网络配置。通过本章的学习，读者应掌握Linux系统的常用操作。

　　教学目的：掌握Python 3基础语法的使用和使用Python 3操作MySQL数据库的方法。

　　教学内容：主要介绍Python 3语言的基础语法。通过本章的学习，读者应掌握Python 3环境的安装与配置，熟悉Python 3的基础语法。

　　教学目的：了解VMware虚拟平台的安装和CentOS 7虚拟机的安装，掌握Hadoop非高可用集群的搭建，熟悉Hadoop非高可用集群的常用命令。

　　教学内容：主要介绍Hadoop生态圈常用工具和Hadoop大数据集群环境的搭建。通过本章的学习，读者应掌握Hadoop大数据集群环境的搭建及Hadoop大数据集群常见问题的处理。

　　教学目的：理解HDFS工作原理，掌握HDFS的常用命令，掌握HDFS的Python API的使用。

　　教学内容：主要介绍HDFS的工作原理及HDFS的操作。通过本章学习，读者应掌握HDFS的工作原理、HDFS命令与HDFS API的常用操作，并且能够使用API解决实际问题。

　　教学目的：理解MapReduce的工作原理，理解YARN运行机制，掌握MapReduce的Python API常见编程组件的使用。

　　教学内容：主要介绍MapReduce的工作原理及API操作。通过本章学习，读者应掌握MapReduce的工作原理和API常用操作，并且能够使用MRJob模型编程解决实际问题。

　　教学内容：主要介绍Hive数据仓库的工作原理、Hive环境的搭建和HiveQL的使用。通过本章的学习，读者应掌握Hive环境的安装与配置，熟悉HiveQL的基础语法，并且能够使用HiveQL解决实际问题。

　　教学目的：了解HBase的工作原理，熟悉HBase的安装，了解HBase分布式数据库的常用操作。

　　教学内容：主要介绍HBase分布式数据库的数据模型以及操作方式。通过本章学习，读者应掌握部署HBase集群的方法，了解HBase存储数据的架构原理，并且能够使用HBase分布式数据库解决实际问题。

　　教学目的：熟悉Sqoop工具的环境搭建，熟悉Sqoop常用的相关命令，并掌握如何使用Sqoop进行导入和导出。

　　教学内容：主要介绍Sqoop生态工具的环境搭建及Sqoop工具的使用。通过本章的学习，读者应掌握Sqoop工具的安装和操作，并且能够使用Sqoop工具实现ETL操作。

　　教学目的：通过实战项目学习如何将所学知识充分应用到项目中，掌握Python大数据技术的实际应用。

　　教学内容：主要介绍货运车分析平台的构建、开发和部署，该平台是基础HDFS的离线分析项目，使用Python对分析结果进行了可视化展示。通过本章的学习，读者应掌握如何基于Python语言开发Hadoop程序。

　　本课程是一门64学时的专业必修课，课堂教学38学时，上机实验26学时。根据课程目标，设计课程教学方法如下。

　　1、课堂讲授：以问题导入的方式，通过介绍当前应用环境的变化和需求引入大数据技术，概括介绍大数据知识体系，使学生对课程有一个初步的认识，进而详细介绍大数据存储和大数据处理两大核心技术。采用多媒体与板书相结合的方式进行讲授，对于各章节的重点及难点，基于案例进行详细讲解，帮助学生理解和掌握。每次开始授课之前，以提问的方式帮助学生回顾课程内容，抓住知识重点。各章结束时进行本章总结，帮助学生梳理知识体系。授课过程中，以启发学生思维为核心，注重师生互动，调动学生的学习主动性和积极性。

　　2、课内实验：采用课内实验辅助学生理解和掌握大数据技术的原理及应用方法，实验内容主要围绕大数据存储和大数据处理两大核心技术。实验指导在每次实验之前提前发布，以便学生预习。实验课上由教师布置实验任务并进行简单讲解，不宜讲解过细，应注重培养学生自我探索的能力。学生针对实验问题进行分析、设计并完成上机实验、撰写实验报告。实验报告中除记录实验过程外，还要记录实验中遇到的问题、解决办法及实验心得，以促进学生进行思考与总结。

　　为便于教学，本书配有300分钟实操讲解视频、PPT课件、实训、习题答案、案例源代码、数据集等资源。

　　《Hadoop大数据技术基础（Python版）微课视频版》从初学者角度出发，通过丰富的示例和实战项目，详细讲解大数据开发环境、关键技术及其应用。全书共分10章，第1~9章的内容分别为大数据概述、Linux系统的安装与使用、Python 3语言基础、Hadoop开发环境、HDFS技术、MapReduce技术、Hive数据仓库、HBase分布式数据库、Sqoop工具，第10章详细解析了实战项目“货运车分布分析平台”，帮助初学者快速入门。本书所有知识点都结合具体的编程示例，对于重要知识点提供视频讲解，还设计了多个实训，使读者通过实践环节加强对知识点的理解和掌握。

　　本书适合作为高等院校计算机应用、大数据技术及相关专业的教材，也适合作为大数据技术相关培训的教材和大数据技术初学者的自学资料。