Администрирование Hadoop HortonWorks под управлением Apache Ambari

Аудитория: Системные администраторы, системные архитекторы, разработчики Hadoop желающие получить практические навыки по установке, конфигурированию, обслуживанию и управлению кластером Hadoop с использованием дистрибутива HortonWorks Data Platform и Apache Ambari.

Предварительный уровень подготовки:

• Начальный опыт работы в Unix, опыт работы с текстовым редактором vi (желателен)

Продолжительность: 5 дней, 40 академических часов.

Apache Hadoop является наиболее популярной открытой платформой для распределенного хранения больших данных и параллельных вычислений. В рамках данного курса вы получите теоретические знания и практические опыт по планированию и развертыванию распределенных вычислительных кластеров на базе Hadoop на базе дистрибутива HortonWorks Data Platform, мониторингу и оптимизации производительности системы, резервному  копированию и аварийному восстановлению узлов кластера и отдельных компонент, настройки безопасности системы Kerberos  на базе Hadoop.

Курс построен на сквозных практических примерах развертывания и администрирования Hadoop кластера, в том числе в облачной инфраструктуре; использования компонент Hadoop для запуска задач распределенных вычислений с  тестовыми данными. Практические занятия выполняются в кластерной среде Amazone Web Services с использованием дистрибутивов HortonWorks Data Platform  программного обеспечения Apache Ambari.

Соотношение теории к практике 40/60

Программа курса

1. Введение в Big Data
   • Что такое Big Data. Понимание проблемы Big Data
   • Эволюция систем распределенных вычислений Hadoop
   • Принципы формирование pipelines и Data Lake
2. Архитектура Apache Hadoop
   • Hadoop сервисы и основные компоненты. Name node. Data Node. YARN сервис
   • Планировщик
   • HDFS
   • Отказоустойчивость и высокая доступность
3. Hadoop Distributed File System
   • Блоки HDFS. Основные команды работы с HDFS. Операции чтения и записи, назначения HDFS. Архитектура HDFS
   • Дисковые квоты
   • Поддержка компрессии
   • Основные форматы хранения данных TXT, AVRO, ORC, Parquet, Sequence файлы
   • Импорт(загрузка) данных на HDFS
4. MapReduce
   • Ведение в MapReduce. Компоненты MapReduce. Работа программ MapReduce. YARN MapReduce v2
   • Ограничения и параметры MapReduce и YARN
   • Управление запуском пользовательских задач (jobs) под MapReduce
5. Дизайн кластера Hadoop
   • Сравнение дистрибутивов и версий Hadoop ⅔ (HortonWorks Data Platform, Cloudera Distributed Hadoop, MapR): различия и ограничения.
   • Требования программного и аппаратного обеспечения. Планирование кластера. Масштабирование кластера Hadoop. Отказоустойчивость Hadoop. Federated NameNode. Hadoop в облаке.
   • Сравнение Cloud решений для Hadoop. Amazon EMR.
   • Интеграция с другими решениями: streaming (DataFlow), NoSQL
6. Установка кластера
   • Установка Hadoop кластера. Выбор начальной конфигурации. Оптимизация уровня ядра для узлов. Начальная конфигурация HDFS и MapReduce. Файлы логов и конфигураций. Установка Hadoop клиентов. Установка Hadoopкластера в облаке.
   • Автоматическая установка с использованием Ansible.
   • Установка и настройка кластера Hadoop в изолированном окружении (offline).
7. Операции обслуживания кластера Hadoop
   • Дисковая подсистема
   • Квоты
   • Остановка, запуск, перезапуск
   • Управление узлами
   • Сетевая топология
   • Управление обновлениями и создание локального репозитория.
8. Оптимизация и управление ресурсами
   • Поиск узких мест.
   • Производительность
   • Файловая система
   • Data Node
   • Сетевая производительность
   • Планировщики: FIFO scheduler. Планировщик емкости (Capacity scheduler). Гранулярное управление ресурсами (Fair scheduler). Защита очередей и доминантное управление ресурсами DRF.
9. 9. Управление кластером Hadoop с использованием Apache Ambari
   • Установка Apache Ambari. Интерфейс управления Apache Ambari. Базовые операции обслуживания и управление задачами с использованием Apache Ambari. Диагностика и trobleshooting с Apache Ambari.
10. Безопасность Hadoop
    • Безопасность по умолчанию. Встроенные компоненты безопасности дистрибутива HortonWorks: Apache Ranger, Apache Atlas, Apache Knox.
    • Многопользовательский режим. Аутентификация и авторизация. Kerberos, keytabs, principals. Установка и конфигурирование Kerberos в Hadoop. Аудит доступа.
    • Резервное копирование и аварийное восстановление. Репликация данных и snapshoting. Конфигурирование высокой доступности Name node (HA).
    • Best practices HortonWorks .
11. Мониторинг
    • Apache Zookeeper. Встроенные средства мониторинга Apache Ambari Metrics. Логи сервисов и компонент. Внешние системы мониторинга: Zabbix, JMX.
12. Troubleshooting
    • Data Node
    • Name Node
    • Восстановление Name Node
13. Инструментарий Hadoop экосистемы дистрибутива HortonWorks
    • Графический интерфейс сервиса Zeppelin.
    • Введение Apache Pig.
    • Введение Apache Zookeeper
    • Введение в Apache Hive/Tez, понятие Hive таблицы, установка Hive/Tez.
    • Введение в Apache sqoop — установка и выполнение базовых операций.
    • Введение в Apache Flume — установка и выполнение базовых операций.
    • Введение в Apache Spark — установка и выполнение базовых операций.
    • Введение в Apache Spark — установка и выполнение базовых операций
    • Обзор и назначение компонент: Apache Kafka, Apache HBase, Apache NiFi, Apache Flink, Apache Zookeeper.

Примерный список практических занятий:
• Ручная установка кластера Hadoop с дистрибутива HortonWorks Data Platform на локальной системе 3х-узловый кластер
• Установка 3х-узлового кластера в облаке Amazon Web Services с использованием Apache Ambari
• Базовые операции с кластером Hadoop и файловые операции HDFS.
• Управление ресурсами и запуском задач с использованием YARN MapReduce.
• Управление кластером с использованием Apache Ambari (развертывание сервисов, репликация, мониторинг, alerting и т.д.)
• Настройка аутентификации Kerberos для кластера Hadoop под управление Apache Ambari
• Установка и выполнение базовых операций в Apache Hive, Apache sqoop, Apache Flume, Apache Spark
• Выполнение задач в веб-интерфейсе Zeppelin
• Настройка мониторинга кластера Hadoop с использованием Zabbix (опционально)
• Настройка высокой доступности Name Node (опционально).

Примечание: 
• Доступ к лабораторному стенду на Amazon Web Services предоставляется на время учебных курсов с 8:30 до 18:30(возможно продление времени по запросу)
• Практические занятия с меткой (опционально) выполняются по желанию и при наличии свободного времени у слушателей