课程大纲：

授课对象：Hadoop高级、具有一定Hadoop系统使用经验

适用Hadoop版本：兼顾所有Hadoop版本，包括Apache、Hortonworks和CDH发行版

第一部分. MapReduce

Mapreduce工作流程及基本架构回顾

运维相关

• 参数调优
• benchmark
• reuse jvm
• 错误感知及speculative执行
• task日志分析
• 可容忍错误百分比设置及跳过坏记录
• 选择fairescheduler等其他调度器优化性能
  

开发相关

• 数据类型选择
• 实现自定义writable数据类型、自定义key
• 一个mapper中输出不同类型value
• InputFormat/OutputFormat，原理及定制
• Mapper/Reducer/Combiner，Combiner的使用及其对mapreduce框架优化的作用
• Partitioner定制
• 排序策略GroupingComparator/SortComparator
• 任务调度原理及修改方法（案例，map/reduce共享slot，按标识精准map/reduce调度）
• Streaming
• DistributedCache
• mapreduce任务间依赖
• counter
• JobChild参数设置
• 性能优化
  

第二部分. hdfs

HDFS API

fuse（C API）

压缩

HDFS benchmark

Datanode添加及删除

多盘支持，磁盘错误感知

hdfs raid

HDFS block size设置相关问题

文件备份数设置

HDFS中合并文件

第三部分. Hadoop工具

dfsadmin/mradmin/balancer/distcp/fsck/fs/job

监控及报警

hadoop配置管理

第四部分. Hadoop调试

Log

本地模式调试map/reduce任务

远程调试

第五部分. 问题分析

Java GC介绍及java进程常用的分析工具jstat、jhat、jmap

top/iostat/netstat/lsof等

Jstack/kill -3

Strace

nload/tcpdump

第六部分.分析示例

MapReduce简单分析

用MapReduce实现Group-by

用MapReduce实现倒排索引

MapReduce实现直方图

MapReduce实现Join

下载地址：