本系列课程将基于RedHat Linux 7.4版本、Hadoop 2.7.3、Spark 2 版本全面介绍大数据的整体内容，让学员深入理解并掌握运行机制和原理，从而进一步掌握大数据的相关内容。
 

本门课程课程大纲

==========================================================================

一、课程概述
       1、MapReduce课程概述

二、MapReduce编程基础
      2、案例分析：WordCount数据处理的过程
      3、开发自己的WordCount程序
      4、案例分析：求每个部门的工资总额
      5、开发MapReduce程序实现求部门的工资总额

三、MapReduce的特性一：序列化
      6、Hadoop的序列化机制
      7、在MapReduce程序中使用序列化

四、MapReduce的特性二：排序
      8、数字的排序
      9、字符串的排序
      10、对象的排序

五、MapReduce的特性三：分区和合并
      11、什么是分区
      12、分区案例：根据部门号建立分区
      13、什么是Combiner

六、MapReduce的核心：Shuffle
      14、 什么是Shuffle（洗牌）？

七、MapReduce编程案例
     15、编程案例一：数据去重
     16、知识回顾：关系型数据库中的多表查询
     17、编程案例二：分析等值连接的数据处理流程
     18、编程案例二：实现等值连接的数据处理流程
     19、编程案例三：分析自连接的数据处理流程
     20、编程案例三：实现自连接的数据处理流程
     21、案例四：分析倒排索引的数据处理过程
     22、案例四：编程实现倒排索引
     23、案例五：使用MRUnit进行单元测试

八、第一个阶段小结
     24、第一个阶段小结