课程简介
随着大数据时代的快速到来，以及大数据在生产生活中迅速应用，大数据领域如雨后春笋般的出现大量的新技术，如Hadoop、Spark等技术，大数据领域的数据处理、统计分析、数据挖掘、机器学习、人工智能、大数据应用开发等各种不同类型的计算操作，应用范围广泛、前景非常广阔。本课程是尹老师多年大数据工作经验的总结和归纳，从实际业务案例为入口，使学员从理论层到实操层面系统的学习数据处理技术、数据挖掘、数据创新应用，使学员深入理解大数据分析工具。通过本课程的学习，学员即可以正确的分析企业的数据，为管理者、决策层提供数据支撑。
Hadoop生态系统是大数据技术事实标准，是大数据思想、理念、机制的具体实现，是整个大数据技术中公认的核心框架和具有极强的使用价值与研究价值。Hadoop 系统是一款开源软件，能够处理海量的各种结构（包括结构化、非结构化、半结构化）的数据。
Yarn是基于Hadoop的分布式集群资源管理框架；随着Hadoop集群应用的广泛，以及集群的规模越来越大，人们发现Hadoop MRv1存在诸多问题，因此Hadoop MRv2诞生，即现在的YARN，解决了4000节点的上限问题。
基于 Hadoop 的解决方案能够帮助企业应对多个大数据挑战，包括：
1、分析海量（PB 级或者更多）的数据
Hadoop 能够分析所有数据，使得分析更准确，预测更精确；
2、从多个数据类型的组合中获得新的洞察力
将来自多个数据源的不同类型的数据进行结合分析，发现新的数据关系和洞察力；
3、存储大量的数据
由于它不依赖于高端硬件，且是可扩展的，所以使存储大量数据变得经济有效；
4、数据发现(data discovery)和研究的沙箱
Hadoop 提供了一个地方，数据科学家可在此发现新的数据关系和相互依赖性。
工业和信息化部电信研究院于2014年5月发布的“大数据白皮书”中指出：
“2012 年美国联邦政府就在全球率先推出“大数据行动计划（Big data initiative）”，重点在基础技术研究和公共部门应用上加大投入。在该计划支持下，加州大学伯克利分校开发了完整的大数据开源软件平台“伯克利数据分析软件栈（Berkeley Data Analytics Stack），其中的内存计算软件Spark的性能比Hadoop 提高近百倍，对产业界大数据技术走向产生巨大影响”
----来源：工业和信息化部电信研究院
Spark是成为替代MapReduce架构的大数据分析技术，Spark的大数据生态体系包括流处理、图技术、机器学习等各个方面，并且已经成为Apache顶级项目，可以预计的是2014年下半年到2015年在社区和商业应用上会有爆发式的增长。
国内外一些大型互联网公司已经部署了Spark，并且它的高性能已经得到实践的证明。国外Yahoo已在多个项目中部署Spark，尤其在信息推荐的项目中得到深入的应用；国内的淘宝、爱奇异、优酷土豆、网易、baidu、腾讯等大型互联网企业已经将Spark应用于自己的生产系统中。国内外的应用开始越来越广泛。Spark正在逐渐走向成熟，并在这个领域扮演更加重要的角色。
目标收益
1、大数据在行业、领域中的应用案例及实践；案例涉及到Hadoop、Hbase、Spark、Flink、kafka、es、redis等开发组件的应用案例及实践；
2、应用案例及实践是如何搭建的、相关技术组件在实际使用过程中的注意事项及关键点；搭建就是指基础组件如何搭建应用；
3、在反欺诈方面（羊毛党）、安全方面、金融方面、风控方面，这四个方面的应用案例及实践，重点讲反欺诈方面（羊毛党）；
4、从思想到技术再到实操，深入系统的剖析大数据思想、大数据技术、大数据实践，使学员全面的、正确的认识大数据，并通过动手实践编写大数据挖掘程序，使学员深入理解大数据；
5、使学员深入理解Hadoop、Hbase、Spark、Flink、kafka、es、redis为代表的大数据分布式技术框架；
6、使学员掌握Hadoop、Hbase、Spark、Flink、kafka、es、redis大数据编程技术，能够达到大数据挖掘的目的；
7、从代码实践的角度剖析大数据分布式技术执行的具体过程并具备大数据开发能力；
通过分享大数据在金融结算方面的应用案例，如反欺诈、金融风险防范、金融数据分析可利用的价值方向等，加深对大数据的理解。
培训对象
1、对大数据的数据分析、数据挖掘感兴趣的企业或者个人；
2、适合于想通过数据化决策防范风险等相关的企业或者个人；
3、对大数据、分布式存储、分析等感兴趣的人员；
4、大型网站、电商网站等运维人员；
5、云计算、大数据从业者；
6、熟悉Hadoop生态体系，想了解和学习Hadoop与Spark整合在企业应用实战案例的朋友；
7、系统架构师、系统分析师、高级程序员、资深开发人员；
8、牵涉到大数据处理的数据中心运行、规划、设计负责人；
9、政府机关，金融保险、移动互联网等大数据单位的负责人；
10、高校、科研院所大数据研究人员，涉及到大数据与分布式数据处理的人员；
11、数据仓
课程大纲
| 大数据在行业、领域中的应用案例及实践 |
1、大数据在行业、领域中的应用案例及实践 2、什么是大数据 3、大数据概念 4、大数据诞生的历史背景 5、大数据来自于哪家企业？ 6、Google大数据解决思路 7、大数据的特征 8、错误观点剖析：大数据数据量大，价值密度低 9、Google四篇论文的剖析 10、普通数据与大数据之间的区别 11、大数据应用现状 12、大数据发展趋势 13、大数据生态体系介绍 14、大数据优势 15、大数据的核心技术 16、Hadoop是大数据架构的事实标准 17、大数据时代的思路 18、大数据价值链体系剖析 19、大数据的核心技术 20、大数据解决方案 21、大数据云计算规划实施路线图 22、大数据适用的场景剖析 23、大数据技术应用障碍分析 24、案例分享：马云预测经济危机案例剖析 |
| 搭建基础组件如何搭建应用 |
1、大数据与成本投入的关系剖析 2、大数据与云计算之间的关系剖析 3、大数据与虚拟化之间的关系剖析 4、大数据与供应商剖析 |
| 大数据企业级开发组件的应用案例及实践案例 |
1、Hadoop、HBase、Spark、Flink、kafka、es、redis等开发组件的应用案例及实践 2、实例分享：淘宝双十一 a)2013年双十一 b)2014年双十一 c)2015年双十一 d)2016年双十一 e)2017年双十一 3、双十一背后的开源技术 4、大数据灵魂大数据技术 5、实例分享：腾讯QQ 6、腾讯IM后台架构 7、实例分享：微信 8、实例分享：百度文库 9、电商大战 10、打车大战 11、淘宝创新：支付宝和余额宝 12、微信创新：微信红包和支付宝红包 |
| Hadoop生态体系 |
1、什么是Hadoop 2、Hadoop由来介绍 3、Google四篇论文的剖析 a)GFS、MapReduce、BigTable、Chubby 4、Hadoop的四大核心组件 5、Hadoop相关概念 b)块、副本 6、Hadoop的四大核心组件 7、Hadoop生态体系介绍 8、Pig Hadoop客户端 9、HBase大数据分布式NoSQL列式数据库 10、Hive大数据的数据仓库 11、Zookeeper分布式协调器 12、Sqoop大数据导入导出工具 13、Avro大数据系列化工具 14、Chukwa大数据分布式数据收集系统 15、Cassandra大数据分布式NoSQL列式数据库 16、Ambari提供监控、管理Hadoop资源的工具 17、Mahout Hadoop数据挖掘算法库 18、Spark大数据内存计算框架 19、Tez通用的数据流框架 20、Apache与CDH大数据平台方案区别 21、Hadoop1.0与Hadoop2.0区别 |
| Hadoop开发组件HDFS的应用案例及实践 |
1、HDFS架构剖析 2、NameNode、DataNode、SecondaryNameNode介绍 3、NodeName高可靠性最佳实践 4、DataNode中Block划分的原理和具体存储方式 5、CLI操作HDFS 6、Java操作HDFS 7、RESTful操作HDFS 8、动态修改Hadoop的Replication数目 9、Hadoop序列化 10、Hadoop流压缩 11、Hadoop RPC 12、SequenceFile与MapFile 13、Hadoop Avro 14、案例剖析：Hadoop与RAID之间的关系 |
| Hadoop开发组件MapReduce的应用案例及实践 |
1、MapReduce算法剖析 2、MapReduce数据输入和输出； 3、MapReduce编程思想 4、MapReduce命令操作 5、MapReduce运行过程解析 6、Hadoop的调度器介绍 7、Combiner的使用原则 8、Partitioner的使用最佳实践 9、MapReduce排序算法剖析 10、用Streaming写MapReduce程序 11、MapReduce 程序的单元测试程序； 12、Hadoop API 的深度钻研； 13、实践性的开发窍门和技术； 14、Partitioners 和 Reducers； 15、子查询、触发器等常见性能问题分析及优化； 16、MapReduce 作业中实现不同数据集的连接操作； 17、MapReduce与HDFS内核知识以及如何编写MapReduce程序 18、用Java写MapReduce程序，用Streaming写MapReduce程序 19、调试MapReduce代码的策略，利用localjobrunner在本地测试MapReduce代码 20、Partitioners和Reducers如何一起工作,定制化Partitioners 21、定制Writable和WritableComparable 22、按需定制WritableComparables与InputFormats处理复杂的数据类型 23、用SequenceFile和Avro数据文件存储二进制数据 24、利用MapReduce编写、执行连接操作以整合不同数据集合 25、用于现实世界数据分析所需的高级HadoopAPI主题 26、案例：Java语言编写MapReduce程序、运行MapReduce程序、查看运行结果 27、案例：Java语言编写MapReduce实现马云预测经济案例 |
| Hadoop开发组件YARN的应用案例及实践 |
1、YARN介绍 2、YARN的设计思想 3、YARN的核心组件 4、YARN为核心的生态系统 5、Yarn的HA机制 6、YARN应用程序编写 7、YARN/MapReduce的工作原理 8、ResourceManager深入剖析 9、ClientRMService与AdminService 10、NodeManager深入剖析 11、Container |
| Hadoop开发组件Zookeeper的应用案例及实践 |
1、Zookeeper介绍 2、Paxos算法 3、Paxos 算法应用场景 4、Zookeeper的数据模型 5、Zookeeper的节点 6、Zookeeper的角色 7、Zookeeper工作原理 8、Leader选举 9、部署ZooKeeper 10、Shell操作Zookeeper 11、Java程序操作Zookeeper 12、Zookeeper典型使用场景 |
| HBase开发组件的应用案例及实践 |
1、HBase介绍 2、HBase的特点 3、HBase逻辑模型 4、HBase列族与列 5、HBase时间戳 6、行式数据库 vs 列式数据库 7、HBase物理模型 8、数据存储结构:LSM 9、HBase的REST接口 10、HBase安装部署 11、HBase Shell 12、倒排索引 13、开发实践分享：微博 14、HBase应用 15、HBase Filter 16、HBase Coprocessor |
| Spark开发组件的应用案例及实践 |
1、Scala介绍 2、Mesos介绍 3、Spark介绍 4、Spark架构剖析 5、Spark RDD计算模型解析 6、Spark开发分析 7、Spark的执行机制解析 8、Spark的调试与任务分配 9、Spark与MapReduce对比分析 10、Spark的容错机制剖析 11、Spark集群部署 12、Spark Shell 13、构建与运行Spark应用 14、Spark RDD操作剖析 15、Shark基于Spark的综合应用 16、Spark作业测试解析 17、Spark的性能调优 18、Spark生态体系剖析 19、Spark应用现状 20、Spark应用优势 21、Spark应用案例 22、Spark案例解析 |
| Spark MLlib开发组件的应用案例及实践 |
1、Spark MLlib概述 2、Spark MLlib算法库介绍 3、Spark MLlib架构剖析 4、Spark MLlib机器学习算法剖析 5、数据类型 6、基本统计算法 7、分类与回归 8、协同过滤 9、聚类 10、降维 11、特征提取与转换 12、频繁模式挖掘 13、评价指标 14、Spark MLlib编程 15、Spark MLlib APIs介绍 16、Spark MLlib机器学习算法应用实战 17、Spark MLlib实战案例：数据聚类分析案例剖析 |
| Flink开发组件的应用案例及实践 |
1、Apache Flink流式计算模型 2、Apache Flink两种数据集 a)无界数据集 b)有界数据集 3、Flink-sink 4、SSL设置 5、Flink的UI界面使用 6、Flink的文件系统的支持 7、Flink-WorkCount 8、Flink执行模型 9、DataStream开发 10、DataStream Transformations 11、Map、FlatMap、Filter、KeyBy、Reduce、Aggregations 12、Physical partitioning 13、Task chaining and resource groups 14、Windows 15、WindowAll、WindowApply、WindowReduce、WindowFold、 16、Window Assigners 17、Tumbling Windows 18、Sliding Windows 19、Session Windows 20、Global Windows 21、Window Functions 22、Triggers 23、实战案例：Apache Flink流计算实践案例 |
| Kafka开发组件的应用案例及实践 |
1、Kafka诞生背景剖析 2、什么是Kafka 3、Kafka特征剖析 4、Kafka应用场景 5、Kafka架构剖析 6、Broker 7、Producer 8、Consumers 9、Topics 10、Leader 11、Follower 12、队列模式（queuing） 13、发布-订阅模式(publish-subscribe) 14、Kafka创建topic、发送消息、消费消息 15、数据传输的事务定义 16、数据的持久化 17、Kafka存储在硬盘上的消息格式 18、Kafka开发组件的应用案例及实践 |
| ES开发组件的应用案例及实践 |
1、ElasticSearch概述 2、ElasticSearch产生背景 3、ElasticSearch介绍 4、ElasticSearch vs Solr 5、ElasticSearch vs 关系型数据库 6、ElasticSearch架构 7、ElasticSearch工作原理 8、ElasticSearch在大数据中的应用 9、ElasticSearch应用场景 10、ES开发组件的应用案例及实践 11、索引Index 12、索引查询get 13、索引判断exists 14、索引更新update 15、索引删除delete 16、索引批量操作bulk 17、索引批量查询mget 18、SearchType类型与原理 19、SearchType使用 20、Query查询详解 21、aggregation聚合案例 22、ElasticSearch 分页 23、多索引和多类型查询 24、极速查询原理 25、极速查询实现 |
| Redis开发组件的应用案例及实践 |
1、内存数据库的兴起背景 2、CAP理论 3、BASE思想 4、RWN理论 5、NoSQL数据库 6、Redis简介 7、Redis的适用场景 8、Redis的企业应用案例 9、Redis应用及实战 10、Redis数据库原理 11、Redis数据库应用 12、Redis开发实践（倒排索引） 13、Redis开发调试 14、Redis优化 15、Redis发布订阅机制剖析 16、Redis开发组件的应用案例及实践 |
| 大数据在反欺诈中的应用案例 |
1、在反欺诈方面（羊毛党）的应用案例及实践，重点讲反欺诈方面（羊毛党） 2、在安全方面应用案例及实践 3、在金融方面的应用案例及实践 4、在风控方面的应用案例及实践 5、反欺诈的理论依据 6、反欺诈的价值 7、反欺诈能达到的目的 8、反欺诈的原则 9、反欺诈的相关技术 10、基于用户的交易行为判断洗钱行为 11、传统反欺诈介绍 12、洗钱行为特征 13、大数据提升反欺诈管理能力 14、大数据在反欺诈中的应用 15、大数据识别欺诈风险 16、具体反欺诈数据应用理论 17、具体反欺诈数据分析流程 18、具体反欺诈数据分析方法 19、具体反欺诈数据分析步骤 20、案例剖析：基于相似度算法的洗钱行为发现 21、案例剖析：大数据在海量金融交易业务中发现欺诈行为 |
|
大数据在行业、领域中的应用案例及实践 1、大数据在行业、领域中的应用案例及实践 2、什么是大数据 3、大数据概念 4、大数据诞生的历史背景 5、大数据来自于哪家企业？ 6、Google大数据解决思路 7、大数据的特征 8、错误观点剖析：大数据数据量大，价值密度低 9、Google四篇论文的剖析 10、普通数据与大数据之间的区别 11、大数据应用现状 12、大数据发展趋势 13、大数据生态体系介绍 14、大数据优势 15、大数据的核心技术 16、Hadoop是大数据架构的事实标准 17、大数据时代的思路 18、大数据价值链体系剖析 19、大数据的核心技术 20、大数据解决方案 21、大数据云计算规划实施路线图 22、大数据适用的场景剖析 23、大数据技术应用障碍分析 24、案例分享：马云预测经济危机案例剖析 |
|
搭建基础组件如何搭建应用 1、大数据与成本投入的关系剖析 2、大数据与云计算之间的关系剖析 3、大数据与虚拟化之间的关系剖析 4、大数据与供应商剖析 |
|
大数据企业级开发组件的应用案例及实践案例 1、Hadoop、HBase、Spark、Flink、kafka、es、redis等开发组件的应用案例及实践 2、实例分享：淘宝双十一 a)2013年双十一 b)2014年双十一 c)2015年双十一 d)2016年双十一 e)2017年双十一 3、双十一背后的开源技术 4、大数据灵魂大数据技术 5、实例分享：腾讯QQ 6、腾讯IM后台架构 7、实例分享：微信 8、实例分享：百度文库 9、电商大战 10、打车大战 11、淘宝创新：支付宝和余额宝 12、微信创新：微信红包和支付宝红包 |
|
Hadoop生态体系 1、什么是Hadoop 2、Hadoop由来介绍 3、Google四篇论文的剖析 a)GFS、MapReduce、BigTable、Chubby 4、Hadoop的四大核心组件 5、Hadoop相关概念 b)块、副本 6、Hadoop的四大核心组件 7、Hadoop生态体系介绍 8、Pig Hadoop客户端 9、HBase大数据分布式NoSQL列式数据库 10、Hive大数据的数据仓库 11、Zookeeper分布式协调器 12、Sqoop大数据导入导出工具 13、Avro大数据系列化工具 14、Chukwa大数据分布式数据收集系统 15、Cassandra大数据分布式NoSQL列式数据库 16、Ambari提供监控、管理Hadoop资源的工具 17、Mahout Hadoop数据挖掘算法库 18、Spark大数据内存计算框架 19、Tez通用的数据流框架 20、Apache与CDH大数据平台方案区别 21、Hadoop1.0与Hadoop2.0区别 |
|
Hadoop开发组件HDFS的应用案例及实践 1、HDFS架构剖析 2、NameNode、DataNode、SecondaryNameNode介绍 3、NodeName高可靠性最佳实践 4、DataNode中Block划分的原理和具体存储方式 5、CLI操作HDFS 6、Java操作HDFS 7、RESTful操作HDFS 8、动态修改Hadoop的Replication数目 9、Hadoop序列化 10、Hadoop流压缩 11、Hadoop RPC 12、SequenceFile与MapFile 13、Hadoop Avro 14、案例剖析：Hadoop与RAID之间的关系 |
|
Hadoop开发组件MapReduce的应用案例及实践 1、MapReduce算法剖析 2、MapReduce数据输入和输出； 3、MapReduce编程思想 4、MapReduce命令操作 5、MapReduce运行过程解析 6、Hadoop的调度器介绍 7、Combiner的使用原则 8、Partitioner的使用最佳实践 9、MapReduce排序算法剖析 10、用Streaming写MapReduce程序 11、MapReduce 程序的单元测试程序； 12、Hadoop API 的深度钻研； 13、实践性的开发窍门和技术； 14、Partitioners 和 Reducers； 15、子查询、触发器等常见性能问题分析及优化； 16、MapReduce 作业中实现不同数据集的连接操作； 17、MapReduce与HDFS内核知识以及如何编写MapReduce程序 18、用Java写MapReduce程序，用Streaming写MapReduce程序 19、调试MapReduce代码的策略，利用localjobrunner在本地测试MapReduce代码 20、Partitioners和Reducers如何一起工作,定制化Partitioners 21、定制Writable和WritableComparable 22、按需定制WritableComparables与InputFormats处理复杂的数据类型 23、用SequenceFile和Avro数据文件存储二进制数据 24、利用MapReduce编写、执行连接操作以整合不同数据集合 25、用于现实世界数据分析所需的高级HadoopAPI主题 26、案例：Java语言编写MapReduce程序、运行MapReduce程序、查看运行结果 27、案例：Java语言编写MapReduce实现马云预测经济案例 |
|
Hadoop开发组件YARN的应用案例及实践 1、YARN介绍 2、YARN的设计思想 3、YARN的核心组件 4、YARN为核心的生态系统 5、Yarn的HA机制 6、YARN应用程序编写 7、YARN/MapReduce的工作原理 8、ResourceManager深入剖析 9、ClientRMService与AdminService 10、NodeManager深入剖析 11、Container |
|
Hadoop开发组件Zookeeper的应用案例及实践 1、Zookeeper介绍 2、Paxos算法 3、Paxos 算法应用场景 4、Zookeeper的数据模型 5、Zookeeper的节点 6、Zookeeper的角色 7、Zookeeper工作原理 8、Leader选举 9、部署ZooKeeper 10、Shell操作Zookeeper 11、Java程序操作Zookeeper 12、Zookeeper典型使用场景 |
|
HBase开发组件的应用案例及实践 1、HBase介绍 2、HBase的特点 3、HBase逻辑模型 4、HBase列族与列 5、HBase时间戳 6、行式数据库 vs 列式数据库 7、HBase物理模型 8、数据存储结构:LSM 9、HBase的REST接口 10、HBase安装部署 11、HBase Shell 12、倒排索引 13、开发实践分享：微博 14、HBase应用 15、HBase Filter 16、HBase Coprocessor |
|
Spark开发组件的应用案例及实践 1、Scala介绍 2、Mesos介绍 3、Spark介绍 4、Spark架构剖析 5、Spark RDD计算模型解析 6、Spark开发分析 7、Spark的执行机制解析 8、Spark的调试与任务分配 9、Spark与MapReduce对比分析 10、Spark的容错机制剖析 11、Spark集群部署 12、Spark Shell 13、构建与运行Spark应用 14、Spark RDD操作剖析 15、Shark基于Spark的综合应用 16、Spark作业测试解析 17、Spark的性能调优 18、Spark生态体系剖析 19、Spark应用现状 20、Spark应用优势 21、Spark应用案例 22、Spark案例解析 |
|
Spark MLlib开发组件的应用案例及实践 1、Spark MLlib概述 2、Spark MLlib算法库介绍 3、Spark MLlib架构剖析 4、Spark MLlib机器学习算法剖析 5、数据类型 6、基本统计算法 7、分类与回归 8、协同过滤 9、聚类 10、降维 11、特征提取与转换 12、频繁模式挖掘 13、评价指标 14、Spark MLlib编程 15、Spark MLlib APIs介绍 16、Spark MLlib机器学习算法应用实战 17、Spark MLlib实战案例：数据聚类分析案例剖析 |
|
Flink开发组件的应用案例及实践 1、Apache Flink流式计算模型 2、Apache Flink两种数据集 a)无界数据集 b)有界数据集 3、Flink-sink 4、SSL设置 5、Flink的UI界面使用 6、Flink的文件系统的支持 7、Flink-WorkCount 8、Flink执行模型 9、DataStream开发 10、DataStream Transformations 11、Map、FlatMap、Filter、KeyBy、Reduce、Aggregations 12、Physical partitioning 13、Task chaining and resource groups 14、Windows 15、WindowAll、WindowApply、WindowReduce、WindowFold、 16、Window Assigners 17、Tumbling Windows 18、Sliding Windows 19、Session Windows 20、Global Windows 21、Window Functions 22、Triggers 23、实战案例：Apache Flink流计算实践案例 |
|
Kafka开发组件的应用案例及实践 1、Kafka诞生背景剖析 2、什么是Kafka 3、Kafka特征剖析 4、Kafka应用场景 5、Kafka架构剖析 6、Broker 7、Producer 8、Consumers 9、Topics 10、Leader 11、Follower 12、队列模式（queuing） 13、发布-订阅模式(publish-subscribe) 14、Kafka创建topic、发送消息、消费消息 15、数据传输的事务定义 16、数据的持久化 17、Kafka存储在硬盘上的消息格式 18、Kafka开发组件的应用案例及实践 |
|
ES开发组件的应用案例及实践 1、ElasticSearch概述 2、ElasticSearch产生背景 3、ElasticSearch介绍 4、ElasticSearch vs Solr 5、ElasticSearch vs 关系型数据库 6、ElasticSearch架构 7、ElasticSearch工作原理 8、ElasticSearch在大数据中的应用 9、ElasticSearch应用场景 10、ES开发组件的应用案例及实践 11、索引Index 12、索引查询get 13、索引判断exists 14、索引更新update 15、索引删除delete 16、索引批量操作bulk 17、索引批量查询mget 18、SearchType类型与原理 19、SearchType使用 20、Query查询详解 21、aggregation聚合案例 22、ElasticSearch 分页 23、多索引和多类型查询 24、极速查询原理 25、极速查询实现 |
|
Redis开发组件的应用案例及实践 1、内存数据库的兴起背景 2、CAP理论 3、BASE思想 4、RWN理论 5、NoSQL数据库 6、Redis简介 7、Redis的适用场景 8、Redis的企业应用案例 9、Redis应用及实战 10、Redis数据库原理 11、Redis数据库应用 12、Redis开发实践（倒排索引） 13、Redis开发调试 14、Redis优化 15、Redis发布订阅机制剖析 16、Redis开发组件的应用案例及实践 |
|
大数据在反欺诈中的应用案例 1、在反欺诈方面（羊毛党）的应用案例及实践，重点讲反欺诈方面（羊毛党） 2、在安全方面应用案例及实践 3、在金融方面的应用案例及实践 4、在风控方面的应用案例及实践 5、反欺诈的理论依据 6、反欺诈的价值 7、反欺诈能达到的目的 8、反欺诈的原则 9、反欺诈的相关技术 10、基于用户的交易行为判断洗钱行为 11、传统反欺诈介绍 12、洗钱行为特征 13、大数据提升反欺诈管理能力 14、大数据在反欺诈中的应用 15、大数据识别欺诈风险 16、具体反欺诈数据应用理论 17、具体反欺诈数据分析流程 18、具体反欺诈数据分析方法 19、具体反欺诈数据分析步骤 20、案例剖析：基于相似度算法的洗钱行为发现 21、案例剖析：大数据在海量金融交易业务中发现欺诈行为 |
近期公开课推荐
