☆ 1、如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
      ☆ 2、在課程結束之后,授課老師會留給學員手機和E-mail,免費提供半年的課程技術支持，以便保證培訓后的繼續消化；
      ☆3、合格的學員可享受免費推薦就業機會。
      ☆4、合格學員免費頒發相關工程師等資格證書，提升您的職業資質。

• 一.分布式版本控制系統Git、gitHub項目托管平臺的實戰與應用
  Git分布式控制的實戰與應用:git簡史和介紹;git在win,mac,centos安裝和配置;
  git本地庫,暫存區,本地庫名詞解釋;git初始化,代碼更新,提交,回退,文件比較等操作;
  git branch checkout等分支操作;git rebase,merge區別;代碼回滾revert,reset;
  面向大廠,國際化開發人員gitHub的實戰應用:創建gitHub賬戶,以及添加SSH配置;
  遠程庫拉取,更新,代碼合并;向開源項目提交pull request和patch;
  git tag 和release等操作;在idea工具向gitHub提交代碼;
  掌握大公司代碼開發流程;掌握版本控制的基礎操作,歷史回滾,分支操作代碼同步;
  圍繞Pull Request來展開的團隊內部協作流程和開源項目貢獻流程;
  gitHub具體技巧,用lssues進行項目討論;
  合并開源社區的pr(例如spark的pull request);搭建內部的代碼提交平臺gitlab;
  適合人群
  如果想在大公司做開發,而且有目標做自己的開源項目并向其他開源項目提交代碼,那么必須掌握git和gitHub,即是 這些你都不想,那么如果你想coding方面長遠發展,掌握git會助你更上一層樓。
  以下企業正在使用git及gitHub
  拉勾網、Keep、快如科技、字節跳動、去哪兒網、奇虎360金融、美團點評、知乎、京東集團、汽車之家、小米、百度、宜信、瓜子二手車直賣網、滴滴出行、愛奇藝、陌陌、搜狐集團、七牛云、好未來、馬蜂窩、阿里巴巴-高德、熊貓直播、邏輯思維、餓了么、新浪網、新浪微博等.
  二.大數據Docker容器化從入門到實戰開發
  Docker從無到有的實戰應用:為什么要使用docker？docker基本組成概念;docker安裝;
  docker獲取,創建,導入,保存,刪除鏡像;docker其他重要命令介紹與操作;docker單機容器內部互聯;
  數據卷容器備份,恢復,遷移;docker容器綁定外部IP和端口;docker阿里云加速鏡像配置;
  Docker及Dockerfile搭建鏡像,私有倉庫,集群:Dockerfile基本介紹;Dockerfile中的重要命令介紹和使用;
  實戰Dockerfile構建Spark,Hadoop鏡像;docker搭建私有倉庫;docker跨主機互聯(方式1):路由;
  (方式2):flannel+etcd;docker-compose介紹;docker-compose測試,生產,開發環境構建;
  docker-compose搭建Spark kafka集群;提交代碼測試集群;Docker的高級實戰項目應用:
  docker-compose搭建web服務器和nginx;docker進階之縮減容器大小;docker進階之cache機制;
  docker進階之鏡像內部窺探;docker進階之logs;docker可視化監控平臺搭建;docker搭建gitlab;
  學完Docker的收獲
  Docker容器為什么這么火?Docker容器應用場景?Docker容器企業應用案列?怎么建設Docker容器基礎架構?生產環境使用Docker正確姿勢？搭建私有倉庫？使用Docker搭建hadoop,spark,kafka等集群. 首先從入門教你安裝Docker,接著學習Docker核心功能:例如鏡像,容器,網絡等知識點。再接著學如何定制化容器鏡像并使用Harbor統一管理容器鏡像,最后圖形管理和容器監控。均以更佳實踐講解,確保實用性,實戰性。
  適用人群
  Docker技術已經成為大數據工程師,運維工程師,開發工程師,測試工程師,架構師職位必備的專業技能之一,特別是解決開發人員環境部署,部署升級等問題,非常有必要深入學習下,提升職業競爭力
  以下企業正在使用Dcker
  新浪網、新浪微博、百度、小米、搜狐集團、愛奇藝、360企業安全、滴滴出行、今日頭條、抖音、58到家、京東集團、搜狗、宜信、金山云、聯想集團、國美控股集團、美團點評、馬蜂窩、快手、汽車之家、創新工場AI工程院、拉勾網、face++、知乎、新東方、好未來、人人網等。
  實戰項目
  電商大數據從零搭建包含CDH,HDP,開源搭建等三種搭建方式
  廣告流量的實施統計,基于用戶興趣的商品推薦系統
  基于ALS的協同過濾推薦，基于購買行為的商品推薦