Python大數(shù)據(jù)專業(yè)能從事的領(lǐng)域有很多，如: Python全棧工程師，Python爬蟲工程師，Python開發(fā)工程師，金融自動化交易，Linux運維工程師，自動化開發(fā)工程師，前端開發(fā)工程師，大數(shù)據(jù)分析和數(shù)據(jù)挖掘等。

實驗班 — Python編程基礎(chǔ)

知識點分布

1，Python基礎(chǔ)語法

1.變量 | 2.數(shù)據(jù)類型 | 3.運算符 | 4.流程控制語句

2，Python數(shù)據(jù)處理

1.字符串 | 2.列表 | 3.元組 | 4.字典

3，函數(shù)

1.函數(shù)定義 | 2.函數(shù)傳參 | 3.函數(shù)返回值 | 4.可變不可變類型 | 5.包的用法

4，文件讀寫

1.文件的打開、關(guān)閉、讀寫 | 2.文件目錄操作 | 3.OS模塊文件與目錄操作

5，面向?qū)ο?/b>

1.面向?qū)ο蟮母拍?| 2.對象的創(chuàng)建 | 3.繼承 | 4.重寫

6，異常處理

1.異常的概念 | 2.異常的捕獲 | 3.異常的傳遞

7，模塊和包

1.模塊的概念 | 2.模塊的導(dǎo)入 | 3.包的概念 | 4.包的導(dǎo)入

進(jìn)階班 — Python編程進(jìn)階

知識點分布

1，網(wǎng)絡(luò)編程

1.IP地址及端口號介紹 | 2.*CP、Socket介紹 | 3.*CP網(wǎng)絡(luò)應(yīng)用開發(fā)流程 | 4.基于TCP通信程序開發(fā)

2，多任務(wù)編程

1.多進(jìn)程編程 | 2.多線程編程 | 3.線程同步

3，高級用法

1.閉包 | 2.裝飾器 | 3.迭代器 | 4.深淺拷貝 | 5.正則

進(jìn)階班 — MySQL數(shù)據(jù)庫

知識點分布

1，mysql與SQL

1.數(shù)據(jù)庫的概念和作用 | 2.***ql數(shù)據(jù)類型 | 3.數(shù)據(jù)完整性和約束 | 4.數(shù)據(jù)庫、表的基本命令 | 5.***re子句 | 6.分組聚合 | 7.連接查詢 | 8.外鍵使用

2，Kettle與BI工具

1.****le基本操作 | 2.****le數(shù)據(jù)轉(zhuǎn)換 | 3.使用SQL腳本組件 | 4.****le Job開發(fā) | 5.****BI操作

3，PyMySQL

1.環(huán)境搭建 | 2.****on操作數(shù)據(jù)庫

進(jìn)階班 — 大數(shù)據(jù)Hadoop技術(shù)棧

知識點分布

1，Linux

1.***ux命令 | 2.遠(yuǎn)程登錄和拷貝 | 3.權(quán)限管理 | 4.vi編輯器 | 5.集群搭建準(zhǔn)備

2，大數(shù)據(jù)基礎(chǔ)和硬件介紹

1.大數(shù)據(jù)特點 | 2.分布式概念 | 3.服務(wù)器種類 | 4.網(wǎng)絡(luò)拓?fù)洹DC、Raid

3，Zookeeper

1.應(yīng)用場景 | 2.架構(gòu)原理 | 3.存儲模型 | 4.選取機制 | 5.客戶端操作 | 6.集群搭建

4，HDFS

1.**FS特點 | 2.架構(gòu) | 3.讀寫流程 | 4.集群搭建

5，MapReduce

1.架構(gòu)原理 | 2.運算機制 | 3.序列化、排序與壓縮

6，Yarn

1.原理架構(gòu) | 2.高可用 | 3.資源封裝 | 4.調(diào)度策略 | 5.模式搭建

7，Hive

1.*QL操作 | 2.數(shù)據(jù)類型 | 3.分區(qū)、分桶、臨時表 | 4.內(nèi)置函數(shù) | 5.數(shù)據(jù)壓縮、存儲格式

進(jìn)階班 — Pandas技術(shù)棧

知識點分布

1，Pandas及可視化

1.數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)類型 | 2.索引及列操作 | 3.數(shù)據(jù)增刪改查 | 4.常用函數(shù) | 5.數(shù)據(jù)讀取保存及交互 | 6.可視化

進(jìn)階班 — Spark

知識點分布

1，Spark基礎(chǔ)

1.基礎(chǔ)環(huán)境搭建 | 2.S*****lone環(huán)境搭建 | 3.S*******neHA環(huán)境搭建 | 4.S******Yarn環(huán)境搭建

2，Spark Core

1.架構(gòu)和原理 | 2.*DD開發(fā)和原理 | 3.廣播變量 | 4.*AG原理

3，Spark SQL

1.架構(gòu)和原理 | 2.D****rame、DataSet、SQL開發(fā) | 3.多數(shù)據(jù)源整合 | 4.*QL執(zhí)行計劃原理 | 5.*QL性能調(diào)優(yōu)

4，實施計算

1.流式處理基本概念 | 2.架構(gòu) | 3.流式運算基本使用 | 4.組件整合

進(jìn)階班 — 實時計算基礎(chǔ)

知識點分布

1，萬億級NoSQL海量數(shù)據(jù)存儲

1.***SE原理及架構(gòu) | 2.預(yù)分區(qū)、LSM結(jié)構(gòu) | 3.優(yōu)化查詢

2，F(xiàn)lume實時數(shù)據(jù)采集

1.原理及架構(gòu) | 2.文件數(shù)據(jù)源及相關(guān)配置 | 3.斷點續(xù)傳

3，分布式流處理平臺

1.***ka原理及架構(gòu)分析 | 2.分布式實時計算架構(gòu)及思想

4，NoSQL社交場景大數(shù)據(jù)分析實戰(zhàn)

1.社交APP場景實戰(zhàn) | 2.大數(shù)據(jù)架構(gòu)剖析 | 3.數(shù)據(jù)采集 | 4.數(shù)據(jù)ETL | 5.數(shù)據(jù)分析

進(jìn)階班 — 就業(yè)指導(dǎo)

知識點分布

1，SQL實戰(zhàn)

1.*QL優(yōu)化加強 | 2.面試題

2，Hive數(shù)據(jù)分析

1.**ve數(shù)倉構(gòu)建實例 | 2.面試題

3，Spark數(shù)據(jù)分析

1.離線分析 | 2.面試題

4，NoSQL數(shù)據(jù)分析

1.***ka加強 | 2.***SE加強 | 3.面試題

5，大數(shù)據(jù)多行業(yè)架構(gòu)剖析

1.數(shù)據(jù)分析流程 | 2.數(shù)據(jù)架構(gòu)剖析

進(jìn)階班 — 大數(shù)據(jù)實時技術(shù)棧

知識點分布

1，F(xiàn)link Core

1.基礎(chǔ)概念

2，F(xiàn)link Data Stream

1.使用操作 | 2.***ka+Flink

3，F(xiàn)link SQL

1.開發(fā)技術(shù) | 2.**ve+Flink SQL

4，F(xiàn)link Runtime

1.W****Mark | 2.C*****oint | 3.任務(wù)調(diào)度與負(fù)載均衡 | 4.狀態(tài)管理

5，F(xiàn)link 高級

1.性能監(jiān)控 | 2.***nk調(diào)優(yōu) | 3.***nk SQL 執(zhí)行計劃

6，電商案例實戰(zhàn)

Flume+Kafka+Flink+HBASE+ Sqoop+Canal+MySQL實戰(zhàn)