资源搜

教程名称：炼数成金Openstack视频教程 课程目录： 【IT教程网】播放器 【IT教程网】第1期 openstack 介绍 【IT教程网】第2期 openstack 部署 controller 节点 【IT教程网】第3期 openstack 两小时部署 【IT教程网】第4期 openstack 使用指南 【IT教程网】第5期 openstack 外部网络使用 【IT教程网】第6期  Openstack 自动化部署介绍 【IT教程网】第7期 Openstack 自动化部署 深入 【IT教程网】第8期 Openstack 高可用与负载均衡

教程名称：        尚硅谷第26季公开课1小时带你走进大数据世界

教程名称：         尚硅谷第27季大数据公开课_仿天猫用户行为分析

 Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。

教程名称：大数据教程8天

教程名称：hadoop课程

教程名称：虚拟化视频教程 教程目录： 【IT教程网】01.云计算 【IT教程网】02.开源云计算系统简介 【IT教程网】03.虚拟化 【IT教程网】04.虚拟化原理 【IT教程网】05.CPU虚拟化、内存虚拟化和IO虚拟化 【IT教程网】06.类虚拟化 【IT教程网】07.虚拟化桌面技术 【IT教程网】讲义

教程名称：2017零基础自学云计算分析hadoop storm spark大数据开发视频教程 课程介绍   本课程是传智播客大数据课程实录，是目前最新、最完整的一套视频，价值2万元。一共39天（2个月课程）！如果你认真学习完该课程，出去至少找个15k以上的工作！ 离线部分课程主要包括：hadoop、hive、flume、azkban、hbase等以及项目实战 实时部分课程主要包括：storm、kafka、redis以及项目实战 内存计算部分课程主要包括：scala编程、spark原理、spark源码解析、机器学习以及项目实战 教程目录： 日期 课程 2016年4月1日 开学典礼 2016年4月2日 大数据基础课程 2016年4月3日 大数据基础课程 2016年4月4日 清明节 2016年4月5日 大数据基础课程 2016年4月6日 大数据基础课程 2016年4月7日 2016年4月8日 大数据基础课程 2016年4月9日 离线数据分析 2016年4月10日 2016年4月11日 离线数据分析 2016年4月12日 离线数据分析 2016年4月13日 2016年4月14日 离线数据分析 2016年4月15日 离线数据分析 2016年4月16日 2016年4月17日 离线数据分析 2016年4月18日 离线数据分析 2016年4月19日 2016年4月20日 离线数据分析 2016年4月21日 离线数据分析 2016年4月22日 离线数据分析 2016年4月23日 2016年4月24日 离线数据分析hbase 2016年4月25日 离线数据分析hbase 2016年4月26日 2016年4月27日 实时数据分析 2016年4月28日 实时数据分析 2016年4月29日 2016年4月30日 五一假期 2016年5月1日 2016年5月2日 2016年5月3日 实时数据分析 2016年5月4日 实时数据分析 2016年5月5日 2016年5月6日 实时数据分析 2016年5月7日 实时数据分析 2016年5月8日 2016年5月9日 实时数据分析 2016年5月10日 Scala函数式编程 2016年5月11日 2016年5月12日 Scala函数式编程 2016年5月13日 Scala函数式编程 2016年5月14日 2016年5月15日 Spark内存计算 2016年5月16日 Spark内存计算 2016年5月17日 2016年5月18日 Spark内存计算 2016年5月19日 Spark内存计算 2016年5月20日 2016年5月21日 Spark内存计算 2016年5月22日 Spark内存计算 2016年5月23日 2016年5月24日 Spark内存计算 2016年5月25日 Spark内存计算 2016年5月26日 2016年5月27日 Spark内存计算 2016年5月28日 机器学习增强 2016年5月29日 2016年5月30日 机器学习增强 2016年5月31日 机器学习增强

HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。

Hadoop是一个能够对大量数据进行分布式处理的软件框架。 Hadoop 以一种可靠、高效、可伸缩的方式进行数据处理。 Hadoop 是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。 Hadoop 是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。 Hadoop 还是可伸缩的，能够处理 PB 级数据。