/ 实战 / 基于Storm构建实时热力分布项目实战
收藏

Java大数据实战 Storm构建实时流处理

全方位解剖大数据实时处理利器Storm,让你在流式处理领域得心应手

基于Storm构建实时热力分布项目实战

难度 中级 时长 15小时 学习人数 364 好评度 97.6%

基于Storm构建实时热力分布项目实战

  • 第1章 课程导学

    介绍课程相关背景,学习建议等等

    • 1-1 -导学 试看
    • 1-2 -OOTB环境使用演示
    • 1-3 -授课习惯与学习建议
  • 第2章 初识实时流处理Storm

    Storm作为近几年Hadoop生态圈很火爆的大数据实时流处理框架,是成为大数据研发工程师必备的技能之一。 本章将从如下几个方面让大家对于Storm有宏观上的认识:什么是Storm、Storm的发展史、Storm对比Hadoop的区别、Storm对比Spark Streaming的区别、Storm的优势、Storm应用现状及发展趋势、Storm应用案例分享...

    • 2-1 -课程目录
    • 2-2 -Storm是什么
    • 2-3 -Storm发展历史之从Twitter说起
    • 2-4 -Storm发展历史之Storm的成长
    • 2-5 -Storm技术网站介绍
    • 2-6 -Storm和Hadoop的区别
    • 2-7 -Storm和Spark Streaming的区别
    • 2-8 -Storm的优势
    • 2-9 -Storm当前现状与发展趋势
    • 2-10 -Storm应用案例分享
  • 第3章 Storm核心概念

    本章节将从如下几个方面带大家深入理解Storm的核心概念:初识Storm核心概念、通过日常生活的案例来理解Storm的核心概念、根据官网的描述来理解Storm核心概念、最后通过画图讲解的方式讲解Storm的核心概念。相信通过多角度对比进行讲解Storm的核心概念,让大家掌握的更加深刻。因为Storm的核心概念的理解是后续Storm课程学习...

    • 3-1 -课程目录
    • 3-2 -初识Storm核心概念
    • 3-3 -Storm核心概念理解记忆概述 试看
    • 3-4 -Storm核心概念理解记忆之地铁运行模型
    • 3-5 -Storm核心概念理解记忆之Storm
    • 3-6 -Storm核心概念小结
    • 3-7 -Storm核心概念官网详解
    • 3-8 -图解Storm核心概念
  • 第4章 Storm编程

    本章节将手把手带大家搭建基于IDEA+Maven的Storm的开发环境,通过案例融合Storm编程中常用API的使用以及开发过程中的注意事项。

    • 4-1 -课程目录
    • 4-2 -Storm开发环境搭建
    • 4-3 -Storm核心接口ISpout详解
    • 4-4 -Storm核心接口IComponent详解
    • 4-5 -Storm核心接口IBolt详解
    • 4-6 -Storm求和案例编程之Spout功能实现
    • 4-7 -Storm求和案例编程之Bolt功能实现
    • 4-8 -Storm求和案例编程之Topology提交功能实现及测试
    • 4-9 -Storm词频案例编程之Spout功能实现
    • 4-10 -Storm词频案例编程之Bolt功能实现
    • 4-11 -Storm词频案例编程之Topology提交功能实现及测试
    • 4-12 -Storm编程注意事项
  • 第5章 Storm周边框架使用

    本章节将带领大家学习Storm周边常用框架的使用,比如:ZooKeeper、Kafka、Logstash、以及Logstash与Kafka的整合使用。

    • 5-1 -课程目录
    • 5-2 -JDK安装
    • 5-3 -ZooKeeper概述及环境搭建
    • 5-4 -ZooKeeper使用详解
    • 5-5 -Logstash概述及部署
    • 5-6 -Logstash使用之控制台输入输出
    • 5-7 -Logstash使用之文件输入控制台输出
    • 5-8 -Kafka概述
    • 5-9 -Kafka架构及核心概念
    • 5-10 -Kafka单节点单broker的部署及使用
    • 5-11 -Kafka单节点多broker部署及使用
    • 5-12 -Kafka容错性测试
    • 5-13 -Logstash使用之整合Kafka
  • 第6章 Storm架构及部署

    本章节将学习Storm的架构以及各个核心组件的功能、并搭建Storm的单机环境和分布式环境、如何提交/查看/杀死Storm作业、Storm UI界面参数介绍

    • 6-1 -课程目录
    • 6-2 -Storm架构详解
    • 6-3 -Storm单机部署之前置条件及解压
    • 6-4 -Storm单机部署之启动Storm各节点及Storm UI界面详解
    • 6-5 -改写Storm作业并提交到Storm单节点集群运行
    • 6-6 -Storm常用命令介绍
    • 6-7 -Storm集群部署规划 试看
    • 6-8 -Storm集群部署之软件包分发和jdk部署
    • 6-9 -Storm集群部署之ZooKeeper分布式环境部署
    • 6-10 -Storm集群部署之Storm集群部署及启动
    • 6-11 -提交Storm作业到集群中运行&目录树介绍
  • 第7章 并行度

    本章节将重点讲解Storm的优化中的核心:并行度调整(worker数量、executor数量、task数量),将通过对代码的修改并提交到Storm环境上去运行,结合Storm UI上展示的参数效果来进行调优,让大家对于Storm的并行度有更加深入的理解,本章节是学习和面试过程中重中之重,务必掌握。...

    • 7-1 课程目录_
    • 7-2 -并行度概念详解
    • 7-3 -如何将Storm集群模式更改为单机模式
    • 7-4 -Storm作业运行UI页面上的参数详解
    • 7-5 -worker数量的设置
    • 7-6 -executor数量的设置
    • 7-7 -task数量的设置
    • 7-8 -acker的设置
    • 7-9 -并行度案例讲解及并行度动态调整
  • 第8章 分组策略

    本章节将带来大家通过代码以及UI参数展现的方式来学习Storm中的常用分组策略:Shuffle分组策略、Field分组策略、All分组策略。本章节也是Storm开发过程中务必要掌握的部分。

    • 8-1 -课程目录
    • 8-2 -Stream Grouping概述
    • 8-3 -Shuffle Grouping开发详解
    • 8-4 -FieldGrouping开发详解
    • 8-5 -AllGrouping开发详解
    • 8-6 -Stream Grouping其他
  • 第9章 Storm可靠性

    本章节将从如下方面来讲解Storm框架的可靠性:Worker进程、Supervisor进程、nimbus进程、节点、以及消息处理的确认机制(ack/fail)。本章节是面试过程中经常会被考核到的。

    • 9-1 -课程目录
    • 9-2 -Storm进程级别的容错
    • 9-3 -Storm的ack和fail机制
  • 第10章 DRPC

    本章节将讲解什么是RPC机制、Hadoop中的RPC使用介绍、如何开发Storm的基于本地和远程模式的DPRC编程

    • 10-1 -课程目录
    • 10-2 -RPC原理图解
    • 10-3 -基于Hadoop的RPC实现.mp4
    • 10-4 -Storm DRPC概述
    • 10-5 -Storm Local DRPC开发
    • 10-6 -Storm Remote DRPC及客户端代码开发
  • 第11章 Storm整合其他大数据框架的使用

    本章节将讲解Storm如何整合Redis、JDBC、HDFS、HBase、ES等常用的大数据框架综合使用。在生产环境中,Storm都是需要整合周边框架一起配合使用,各自完成自己的职责,进而完成大数据的实时流处理项目

    • 11-1 -课程目录
    • 11-2 -Storm整合Redis使用概述
    • 11-3 -Storm整合Redis编程开发
    • 11-4 -Storm整合jdbc概述
    • 11-5 -Storm整合JDBC编程开发
    • 11-6 -Storm整合HDFS使用概述
    • 11-7 -HDFS环境快速搭建
    • 11-8 -Storm整合HDFS编程开发
    • 11-9 -Storm整合HBase概述
    • 11-10 -HBase环境快速搭建
    • 11-11 -Storm整合HBase编程开发
    • 11-12 -Storm整合Elasticsearch概述
  • 第12章 Storm综合项目实战

    本章节将带领大家使用Logstash+Kafka+Storm+高德地图来实现基于一个交通数据的热力图的实时展示项目,通过该项目使得大家能够具备和掌握如何使用Storm来架构一个实时流处理项目的能力

    • 12-1 -课程目录
    • 12-2 -项目概述
    • 12-3 -如何采集实时区域人流量数据.mp4
    • 12-4 -项目架构
    • 12-5 -高德地图API基本使用
    • 12-6 -高德地图API常用工具介绍
    • 12-7 -高德地图热力图静态数据展示
    • 12-8 -Storm整合Kafka原理
    • 12-9 -Storm整合Kafka功能开发
    • 12-10 -Storm整合Kafka功能测试
    • 12-11 -Logstash和Kafka的整合注意事项详解
    • 12-12 -数据源产生器开发
    • 12-13 -打通整条实时流处理流程链路
    • 12-14 -项目处理及表结构设计
    • 12-15 -Storm处理结果存储到数据库中
    • 12-16 -通过SQL完成我们的最终结果统计
    • 12-17 -基于SpringBoot构建Web项目
    • 12-18 -动态获取数据并在高德地图上展示出热力图
    • 12-19 -添加统计的时间范围并在热力图上展示
    • 12-20 -项目扩展
  • 第13章 课程总结

    对课程回顾总结

    • 13-1 课程总结及后续课程计划
本课程已完结

试看

全部试看小节



讲师

Michael_PK 全栈工程师

八年互联网公司一线研发经验,担任大数据架构师。 主要从事基于Spark/Flink为核心打造的大数据公有云、私有云数据平台产品的研发。 改造过Hadoop、Spark等框架的源码为云平台提供更高的执行性能。 集群规模过万,有丰富的大数据项目实战经验以及授课经验(授课数千小时,深受学员好评)。

课程预览

检测到您还没有关注慕课网服务号,无法接收课程更新通知。请扫描二维码即可绑定
重新观看
意见反馈 邀请有奖 帮助中心 APP下载
官方微信