HADM: Администрирование кластера Hadoop: Курсы

1. Введение в Big Data и администрированию кластера Hadoop

   • Что такое Big Data. Понимание проблемы Big Data
   • Эволюция систем распределенных вычислений Hadoop
   • Принципы формирование pipelines и Data Lake

2. Архитектура Apache Hadoop

   • Hadoop сервисы и основные компоненты. Name node. Data Node. YARN сервис
   • Планировщик
   • HDFS
   • Отказоустойчивость и высокая доступность

3. Hadoop Distributed File System

   • Блоки HDFS. Основные команды работы с HDFS. Операции чтения и записи, назначения HDFS. Архитектура HDFS
   • Дисковые квоты
   • Поддержка компрессии
   • Основные форматы хранения данных TXT, AVRO, ORC, Parquet, Sequence файлы
   • Импорт(загрузка) данных на HDFS

4. Map Reduce

   • Ведение в MapReduce. Компоненты MapReduce. Работа программ MapReduce. YARN MapReduce v2
   • Ограничения и параметры MapReduce и YARN
   • Управление запуском пользовательских задач (jobs) под MapReduce

5. Дизайн кластера Hadoop

   • Сравнение дистрибутивов и версий Hadoop 2/3 (HortonWorks Data Platform, Cloudera Distributed Hadoop, MapR, 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

6. 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 Hadoopкластера в облаке.
   • Автоматическая установка.
   • Установка и настройка кластера Hadoop в изолированном окружении (offline).

7. Операции обслуживания кластера Hadoop

   • Дисковая подсистема
   • Квоты
   • Остановка, запуск, перезапуск
   • Управление узлами
   • Сетевая топология
   • Управление обновлениями и создание локального репозитория.

8. Оптимизация и управление ресурсами

   • Поиск узких мест.
   • Производительность
   • Файловая система
   • Data Node
   • Сетевая производительность
   • Планировщики: FIFO scheduler. Планировщик емкости (Capacity scheduler). Гранулярное управление ресурсами (Fair scheduler). Защита очередей и доминантное управление ресурсами DRF.

9. Управление кластером Hadoop с использованием Apache Ambari

   • Установка Apache Ambari. Интерфейс управления Apache Ambari. Базовые операции обслуживания и управление задачами с использованием Apache Ambari. Диагностика и trobleshooting с Apache Ambari.

10. Безопасность Hadoop

    • Безопасность по умолчанию. Встроенные компоненты безопасности дистрибутива HortonWorks/ ArenadataHadoop: Apache Ranger, Apache Atlas, Apache Knox.
    • Многопользовательский режим. Аутентификация и авторизация. Kerberos, keytabs, principals. Установка и конфигурирование Kerberos в Hadoop. Аудит доступа.
    • Резервное копирование и аварийное восстановление. Репликация данных и snapshoting. Конфигурирование высокой доступности Name node (HA).
    • Best practices HortonWorks / Arenadata Hadoop.

11. Мониторинг и администрирование кластера Hadoop

    • Apache Zookeeper. Встроенные средства мониторинга Apache Ambari Metrics. Логи сервисов и компонент. Внешние системы мониторинга: Zabbix, JMX.
12. Troubleshooting
    • Data Node
    • Name Node
    • Восстановление Name Node

13. Инструментарий Hadoop экосистемы дистрибутива HortonWorks/ Arenadata Hadoop

    • Графический интерфейс сервиса Zeppelin.
    • Введение Apache Pig.
    • Введение Apache Zookeeper
    • Введение в Apache Hive/Tez, понятие Hive таблицы, установка Hive/Tez.
    • Введение в Apache sqoop — установка и выполнение базовых операций.
    • Введение в Apache Flume — установка и выполнение базовых операций.
    • Введение в Apache Spark — установка и выполнение базовых операций.
    • Обзор и назначение компонент: Apache Kafka, Apache HBase, Apache NiFi, Apache Flink, Apache Zookeeper.

Примерный список практических занятий курса по Администрированию кластера Hadoop:

• Ручная установка кластера Hadoop с дистрибутива HortonWorks Data Platform/Arenadata Hadoop на локальной системе 3х-узловый кластер
• Установка 3-узлового кластера в облаке Amazon Web Services с использованием Apache Ambari
• Базовые операции с кластером Hadoop и файловые операции HDFS.
• Управление ресурсами и запуском задач с использованием YARN MapReduce.
• Управление кластером с использованием Apache Ambari (развертывание сервисов, репликация, мониторинг, alerting и т.д.)
• Настройка аутентификации Kerberos для кластера Hadoop под управление Apache Ambari
• Установка и выполнение базовых операций в Apache Hive, Apache sqoop, Apache Flume, Apache Spark
• Выполнение задач в веб-интерфейсе Zeppelin
• Настройка мониторинга кластера Hadoop с использованием Zabbix (опционально)
• Настройка высокой доступности Name Node (опционально).

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