Entwickle praktische Vertrautheit mit dem Hadoop-Ökosystem in 77 geführten, szenariobasierten Labs. Die Sammlung reicht von HDFS-Alltagsoperationen und Speichersteuerung über MapReduce-Datenflüsse und YARN-Ressourcenverwaltung bis zu umfangreichen Hive- und HiveQL-Aufgaben.
Dies ist eine breite Übungsbibliothek, kein einzelnes lineares Projekt. Das Kursmanifest schreibt keine Reihenfolge vor: Du kannst von Grundlagen zu fortgeschrittener Datenarbeit gehen oder gezielt Labs für benötigte Fertigkeiten wählen.
Was du lernen wirst
Nach Abschluss des Kurses kannst du:
- Bereitgestellte HDFS-, YARN- und Hive-Umgebungen für praktische Arbeit einrichten und erkunden.
- HDFS-Daten mit der Dateisystem-Shell lesen, finden, übertragen, löschen, prüfen und berechtigen.
- HDFS-Replikation, Blöcke, DataNodes, Snapshots, Speicherrichtlinien, Quotas und Bereinigung verwalten.
- MapReduce-Shuffle-Techniken mit Partitionern, Sortierung, Combinern, Joins und Distributed Cache anwenden.
- YARN-Anwendungen, Container, Logs, JAR-Ausführung, Nodes, Scheduling, ResourceManager und NodeManager untersuchen.
- Hive-Datenbanken und -Tabellen erstellen und ändern sowie Daten laden, einfügen, aktualisieren, löschen, importieren und exportieren.
- HiveQL-Filter, Gruppierung, Aggregation, Joins, Unions, Sortierung, Verteilung, Funktionen und Fensterabfragen schreiben.
- Hive-Pläne, Formate, Partitionen, Buckets, Schemas, I/O, Kompression, Serialisierung, Integration und Sicherheit prüfen.
Für wen dieser Kurs geeignet ist
Der Kurs richtet sich an Hadoop-Lernende, die viele geführte Übungen zu Speicherung, Verarbeitung, Ressourcen und SQL-artiger Analyse suchen. Er hilft Einsteigern beim Aufbau von Breite und erfahrenen Lernenden bei gezielter Praxis in HDFS, MapReduce, YARN oder Hive.
Voraussetzungen: Du solltest mit Linux-Terminal, Dateien, Berechtigungen und grundlegender Datenverarbeitung vertraut sein. Grundlagen in Hadoop und SQL werden vor MapReduce, YARN und fortgeschrittenem Hive dringend empfohlen, obwohl der Kurs insgesamt Beginner ist.
Lernumgebung: Die 77 Labs laufen in bereitgestellten Hadoop-Umgebungen und enthalten detaillierte Anleitungen und Lösungen. Die Arbeit erfolgt überwiegend per Kommando und Abfrage; externer Cloud-Cluster oder persönliches Servicekonto sind nicht als Voraussetzung aufgeführt.
Häufig gestellte Fragen
Muss ich alle 77 Labs der Reihe nach absolvieren?
Nein. Der Kurs ist als ungeordnete Übungssammlung konfiguriert, nicht als Pflichtsequenz. Neue Lernende sollten mit HDFS-Einrichtung und Dateioperationen beginnen, bevor sie MapReduce, YARN und fortgeschrittenes Hive bearbeiten.
Wie unterscheidet er sich von Hadoop Übungsherausforderungen?
Hadoop Practice Labs enthält 77 geführte Aktivitäten in vier breiten Bereichen. Hadoop Practice Challenges ist eine deutlich kleinere Sammlung von 12 Challenges zu HDFS-Dateisystembefehlen.
Enthält der Kurs Spark oder Pig?
Nein. Der Lehrplan deckt HDFS, ausgewählte MapReduce-Muster, YARN und Hive/HiveQL ab. Spark und Pig gehören nicht zu den 77 Lab-Themen.
Werde ich einen produktiven Hadoop-Cluster bereitstellen und betreiben?
Nein. Du übst Einrichtung und Komponenten in Lernumgebungen. Infrastrukturdesign, Multi-Node-Deployment, Kapazitätsplanung, Monitoring und Produktionsbetrieb sind keine belegten Ergebnisse dieser Sammlung.
