8.1 流计算概述 8.2 流计算处理流程 8.3 流计算应用 8.4 流计算开源框架 – Storm 8.5 Spark Streaming 8.6 Samza 8.7 Storm、Spark Streaming和Samza的应用场景 8.8 Storm编程实践

• 并发操作 • 并发控制的目的 • 可串行化调度，优先图 • 并发控制的主要技术 – 封锁 – 时间戳 – 有效性检查

1. IO system • What do you know already? • IOPS, bandwidth, latency & blocksize • media and their characteristics • cache & IO optimisation strategies • how to debug IO problems 2. Redundancy Technology • Parity for RAID technology 3. Cloud Storage Technology • Scalability, Hashing, Indexing,, Deduplication

• 7.1 图计算简介 • 7.2 Pregel简介 • 7.3 Pregel图计算模型 • 7.4 Pregel的C++ API • 7.5 Pregel的体系结构 • 7.6 Pregel的应用实例 • 7.7 Pregel和MapReduce实现PageRank算法的对比 • 7.8 Hama的安装和使用

• 7.1 概述 • 7.2 MapReduce体系结构 • 7.3 MapReduce工作流程 • 7.4 实例分析：WordCount • 7.5 MapReduce的具体应用 • 7.6 MapReduce编程实践

• 9.1 Spark概述 • 9.2 Spark生态系统 • 9.3 Spark运行架构 • 9.4 Spark SQL • 9.5 Spark的部署和应用方式 • 9.6 Spark编程实践

• 7.1 概述 • 7.2 MapReduce体系结构 • 7.3 MapReduce工作流程 • 7.4 实例分析：WordCount • 7.5 MapReduce的具体应用 • 7.6 MapReduce编程实践

➢ 计算机网络的概念和发展 ➢ 计算机网络的组成和分类（通信子网和资源子网） ➢ 计算机网络体系结构基本概念 ➢ ISO/OSI模型各层功能 ➢ TCP/IP体系结构和各层协议 计算机网络的基本功能 计算机网络的组成 计算机网络的分类 计算机网络的拓扑结构 数据交换技术 计算机网络的性能指标 因特网概述 计算机网络体系结构

• 9.1 图计算简介 • 9.2 Pregel简介 • 9.3 Pregel图计算模型 • 9.4 Pregel的C++ API • 9.5 Pregel的体系结构 • 9.6 Pregel的应用实例 • 9.7 Hama的安装和使用

 分布式并行编程：编程方式的变革  MapReduce模型概述  Map和Reduce函数  MapReduce工作流程  并行计算的实现  实例分析：WordCount  新MapReduce框架Yarn