大数据培训_大数据开发培训_大数据培训机构

千锋好程序员京东物流共研课程教学亮点

大厂技术专家
垂直赋能

优秀学员大厂
内推通道

大厂实地沉浸式
项目实训

拓展大厂实战
项目案例

大厂大数据技能认证证书
及项目实习证明

大厂定制开班/
毕业典礼

了解京东物流共建课详情

为什么学习大数据+数据智能？

大数据浪潮席卷全球，应用领域宽广，产业规模空前
就业口径宽广，价值堪比黄金石油，“钱途”无量

岗位起薪高

大数据人才荒待遇高规格

岗位月均薪高

人才缺口大

未来国内基础性数据分析人才

缺口大

市场规模大

国内大数据市场产值

规范大

应用范围广

金融、电商、医疗、新零售、物联网...

行业几乎都会应用数据分析

了解千锋好程序员京东物流大数据课程

*此处行业数据来源于中国商业联合会、工信部《“十四五”大数据产业发展规划》，薪资数据来源职友集，数据样本选取截止日期为2022年6月2日，仅作为信息展示，不作为效果承诺

更多大数据行业前景

京东物流共研课程优势

千锋与京东物流合作共建大数据培训课程体系，企业热门技术全方位涵盖
融入真实项目案例和工程实践创新

课程

京东物流合作共建课程

与名企联合共建，共研前瞻课程
企业级大数据核心技术深度赋能
专注培养实战型大数据架构师

技术

掌握大厂一线刚需

1226项企业核心技能
企业前沿技术每季度迭代
掌握数据采、传、存、算、用技术

项目

拓展京东物流实战项目案例

大厂实际业务场景与产业案例
京东物流PB级项目1:1引进课堂
大厂沉浸式学习，实地项目授课

师资

大数据技术专家亲授

千锋总监级导师与京东物流专家联袂授课
共同把控技术教研
鼎力支持技术创新与课程研发

更多共研课程优势

大数据人才共建班课程解读

千锋好程序员大数据+数据智能，与京东物流大厂合作共建大数据技术领域的实战型前瞻深度课程
对大厂热门技术及项目进行系统、深度的研发和建设，形成独特的教研壁垒

第一阶段离线数仓（7周）

掌握能力

掌握企业级基建环境部署、Hive和Spark数据开发、数据仓库搭建、数据抽取、数据清洗、数据转换、数据加载、数据应用和京东离线ETL。

胜任职位

离线数据工程师、数据仓库工程师、ETL工程师、数据采集工程师、数据支持工程师、BI商业分析师、数据可视化工程师、Hadoop工程师、Spark工程师

技术点

Java、MySQL、Maven、Git、OpenResty、Linux、Shell、HDFS、YARN、Zookeeper、MapReduce、Scala、Python、SparkCore、Hive、SparkSQL、Presto、Sqoop、DataX、Flume、CDH、数仓架构、维度建模、SuperSet、Azkaban、Airflow等。掌握企业级基建环境部署、Hive和Spark数据开发、数据仓库搭建、数据抽取、数据清洗、数据转换、数据加载、数据应用和京东离线ETL。

项目

数据服务、大数据可视化、企业级Hadoop基建项目部署、分布式网络爬虫、基于Spark的大数据分析项目、ETL项目之Hive和SparkSQL、BI商业分析等。

第二阶段实时仓库（5周）

掌握能力

掌握流数据接入、基于Flink实时数据开发、流批一体数据仓库开发、数据湖开发、实时ETL、实时监控系统和京东实时数据开发

胜任职位

实时工程师、Flink工程师、实时数据仓库工程师、实时ETL工程师、Spark工程师

技术点

Kafka、Structured Streaming、Hudi、Canal、Flink、ClickHouse、HBase、Phoenix、Elasticsearch、Redis

项目

实时监控系统、基于Flink的实时数据开发、实时数据湖、大数据搜索系统

第三阶段实践项目（4周）

掌握能力

掌握企业项目开发流程、用户画像开发、企业级推荐系统开发、数据治理、基于生产环境项目部署和京东项目性能调优

胜任职位

数据服务工程师、离线数据仓库开发工程师、BI商业分析师、实时数据仓库工程师、实时监控系统工程师、ETL工程师、数据可视化工程师、数据治理工程师、高级数据开发工程师、推荐工程、数据平台工程师、数据架构师

技术点

数据采集与监控平台、准实时数据仓库、用户画像、推荐系统、基于Flink的实时数据仓库、元数据管理与数据治理。

获取完整版课程大纲

京东物流PB级项目1:1引进课堂

京东物流大数据项目案例，多领域、全类目、企业级
大型实战项目贯穿课程始终，一切为了学员实战能力

01

京东物流离线数仓
之ETL

02

京东物流实时
数据开发

03

大数据采集
与指标监控

04

离线数据
仓库

05

准实时高性能
数仓建设

06

用户画像
企业工程项目

项目介绍

随着互联网的发展，数据源头越来越多且是分散的，除了业务库，APP 埋点，web 网站 log，LOT 设备等会产生各种各样的海量数据，这些数据在进入数据仓库之前（或之后），需要进行统一（字段定义、主题归属、项目划分等），数据集成在一起。离线数仓的ETL，涵盖数据的抽取转换与加载。

项目目标

在数据仓库中构建模型，从数据源中抽取数据，然后对这些数据进行转化，最终加载到目标数据库或者数据仓库中去，实现离线数仓ETL的过程。

项目介绍

企业信息化发展，数据源丰富，数据量比以往结构化的数据大了几个量级，对 ETL 过程、存储都提出了更高的要求。互联网的在线特性也对实时性提出了要求，如用户反欺诈、用户审核等随着用户的暴涨。实时数据开发，主要是对由用户行为、业务行为等产生的巨大量数据进行实时处理，并应用到生产中。

项目目标

基于分层的模型 ods/dwd/dws/，业务数据和日志数据,事实数据存储在 kafka 中，维度数据存储在 Hbase/Tair 中，dm 层的数据最终导出到 mq/olap/rds/kv 中。ad-hoc 查询基于 Flink 来做。实时数仓的存储需考虑支持数据重放，方便支持任务重跑。选择一个具有重放功能的、能够保存历史数据并支持多消费者的消息队列，根据需求设置历史数据保存的时长，通过实时数据开发，建成实时数仓、实时指标等，支撑企业链路的实时化。