壹、第壹階段:靜態網頁基礎(HTML+CSS)
1.難度:壹星
2.課時(技術知識點+階段項目任務+綜合能力)
3.主要技術包括:html常用標簽、CSS常用布局、樣式、定位、靜態頁面設計和制作方法等。
4.描述如下:
從技術上來說，這個階段使用的技術代碼簡單易學，容易理解。從後期的課程層面來說，因為側重於大數據，所以前期需要鍛煉編程技巧和思維。據我們多年開發和教學的項目經理分析，要滿足這兩點，J2EE是目前市場上最好理解和掌握的技術，而J2EE離不開頁面技術。所以在第壹階段，我們的重點是頁面技術。采用市場主流的HTMl+CSS。
二、第二階段:JavaSE+JavaWeb
1.難度:兩顆星
2.課時(技術知識點+階段項目任務+綜合能力)
3.主要技術包括:java基本語法、java面向對象(類、對象、封裝、繼承、多態、抽象類、接口、公共類、內部類、公共修飾符等。)、異常、集合、文件、IO、MYSQL(基本SQL語句操作、多表查詢、子查詢、存儲過程、事務、分布式事務)JDBC等等。
4.描述如下:
叫Java基礎，技術點由淺入深，真實業務項目的模塊分析，各種存儲方式的設計。
和實施。這個階段是前四個階段中最重要的階段，因為後面的所有階段都是基於這個階段，也是學習大數據程度最高的階段。這個階段會第壹次接觸團隊，開發制作壹個真實的項目，有前後臺(壹期技術+二期技術綜合應用)。
三、第三階段:前端框架
1.簡易程序:兩顆星。
2.課時(技術知識點+階段項目任務+綜合能力):64課時。
3.主要技術包括:Java，Jquery和註釋反射壹起使用，XML和XML解析，解析dom4j，jxab和jdk8.0的新特性，SVN，Maven和easyui。
4.描述如下:
在前兩個階段的基礎上，化靜態為動態，可以豐富我們網頁的內容。當然，如果從市場人員的角度來看，有專業的前端設計師，我們現階段設計的目標是前端技術能更直觀的鍛煉人的思維和設計能力。同時，我們也將第二階段的高級特性融入到這個階段中。讓學習者走上壹段樓梯。
第四階段:企業級開發框架
1.簡易程序:三顆星
2.課時(技術知識點+階段項目任務+綜合能力)
3.主要技術有:Hibernate、Spring、SpringMVC、log4j slf4j集成、myBatis、struts2、Shiro、redis、流程引擎activity、爬蟲技術nutch、lucene、webServiceCXF、Tomcat集群和熱備、MySQL讀寫分離。
4.描述如下:
如果把整個JAVA課程比作壹家糕點店，前三個階段可以做壹個武大郎燒餅(因為純手工——太麻煩)，而學習框架可以開壹家星巴克(高科技設備——省時省力)。就J2EE開發工程師這個崗位的要求來說，這個階段使用的技術必須要掌握，我們教的課程要高於市場(市場上主流的框架有三種，我們教的是七種框架技術)，並且是由真實的商業項目驅動的。需求文檔、總體設計、詳細設計、源代碼測試、部署、安裝手冊等。將被解釋。
五、第五階段:了解大數據。
1.難度:三顆星
2.課時(技術知識點+階段項目任務+綜合能力)
3.主要技術包括:大數據第壹部分(什麽是大數據，應用場景，如何學習大數據庫，虛擬機概念及安裝等。)、Linux常用命令(文件管理、系統管理、磁盤管理)、Linux SHELL編程(SHELL變量、循環控制、應用)、hadoop簡介(Hadoop組成、單機環境、目錄結構、HDFS接口、MR接口、簡單Shell、java訪問Hadoop)、HDFS(簡介、Shell、使用IDEA開發工具、構建全分布式集群)、MapReduce應用(中間計算過程、Java操作MapReduce、程序運行、日誌監控)、Hadoop高級應用(YARN框架簡介、配置項及優化、CDH簡介、環境構建)、擴展(見圖端優化、
4.描述如下:
這個階段是為了讓新人對大數據有壹個比較大的概念。怎麽相對？學了預科JAVA，就能明白程序在單臺電腦上是怎麽運行的了。那麽，大數據呢？大數據就是在大規模機器集群中運行程序進行處理。當然大數據是要處理數據的，所以同樣的，數據的存儲也從單機存儲變成了多機大規模集群存儲。
(妳問我什麽是集群？好的，我有壹大鍋米飯。我可以自己完成，但是要花很長時間。現在我請大家壹起吃飯。壹個人的時候給人打電話。人太多怎麽辦？是人群嗎？)
那麽大數據大致可以分為:大數據存儲和大數據處理。所以現階段我們的課程已經設計好了大數據的標準:HADOOP大數據運行的不是我們經常使用的WINDOWS 7或者W10，而是應用最廣泛的系統:LINUX。
第六階段:大數據數據庫
1.難度:四星
2.課時(技術知識點+階段項目任務+綜合能力)
3.主要技術包括Hive簡介(Hive簡介、Hive使用場景、環境搭建、架構描述和工作機制)、Hive Shell編程(建表、查詢語句、分區和桶、索引管理和視圖)、Hive高級應用(DISTINCT實現、groupby、join、sql轉換原理、java編程、配置和優化)和hbase簡介。Hbase SHELL編程(DDL，DML，Java操作表構建，查詢，壓縮，過濾)，Hbase模塊詳細描述(區域介紹，HREGION SERVER，HMASTER，Zookeeper，ZOOKEEPER的配置，Hbase和ZOOKEEPER的集成)，HBASE的高級特性(讀寫過程，數據模型，模式設計讀寫熱點，優化，配置)。
4.描述如下:
這個階段旨在讓大家了解大數據是如何處理大規模數據的。簡化編程時間，提高讀取速度。
怎麽簡化呢？第壹階段，如果需要復雜的業務關聯和數據挖掘，自己寫MR程序是非常復雜的。所以在這個階段，我們引入了HIVE，大數據中的數據倉庫。這裏有壹個關鍵詞，數據倉庫。我知道妳要問我，所以我先說，數據倉庫通常是壹個巨大的數據中心，用於數據挖掘分析，它存儲這些數據，通常是大型數據庫如ORACLE，DB2等。這些數據庫通常用於實時在線業務。
總之，基於數據倉庫的數據分析相對較慢。但方便的是，只要熟悉SQL，學起來相對簡單，而HIVE就是這樣壹個工具，壹個基於大數據的SQL查詢工具，這個階段還包括HBASE，也就是大數據中的數據庫。納悶，妳不是學過壹個叫HIVE的數據“倉庫”嗎？HIVE是基於MR的，所以查詢起來相當慢。HBASE可以基於大數據實時查詢數據。壹個主分析和另壹個主查詢。
第七階段:實時數據采集
1.簡易程序:四顆星
2.課時(技術知識點+階段項目任務+綜合能力)
3.主要技術包括:Flume日誌獲取、KAFKA介紹(消息隊列、應用場景、集群構建)、KAFKA詳解(分區、主題、接收者、發送者、與ZOOKEEPER集成、Shell開發、Shell調試)、KAFKA高級使用(java開發、主要配置、優化項目)、數據可視化(圖形和圖表介紹、圖表工具分類、直方圖和餅狀圖、3D圖形和地圖)。Storm簡介(設計思路、應用場景、處理流程、集群安裝)、STORM開發(Stromvn開發、編寫STORM本地程序)、STORM高級(java開發、主要配置、優化項目)、KAFKA異步發送和批量發送時效性、KAFKA全局消息按順序、STORM多並發優化。
4.描述如下:
前壹階段的數據來源是基於已有的大規模數據集，數據處理分析後的結果有壹定的延遲，通常處理的數據是前壹天的數據。
示例場景:網站防盜鏈、客戶賬戶異常、實時征信。如果這些場景是基於前壹天的數據分析出來的呢？太遲了嗎？所以在這個階段，我們引入實時數據采集和分析。主要包括:來源廣泛支持的FLUME實時數據采集、KAFKA數據收發、STORM實時數據處理、數據處理秒級。
八。第八階段:火花數據分析
1.簡易程序:五星
2.課時(技術知識點+階段項目任務+綜合能力)
3.主要技術包括:SCALA介紹(數據類型、運算符、控制語句、基本函數)、SCALA高級使用(數據結構、類、對象、特征、模式匹配、正則表達式)、SCALA高級使用(高階函數、Cory函數、部分函數、尾部叠代、自含高階函數等)。)，以及SPARK簡介(環境建設，基礎設施，運營模式等。).SPARK SQL、SPARK Advanced(數據幀、數據集、SPARK流原理、SPARK流支持源、KAFKA和SOCKET集成、編程模型)、SPARK高級編程(Spark-GraphX、Spark-Mllib機器學習)、SPARK高級應用(系統架構、主要配置和性能優化、故障和階段恢復)、SPARK ML KMEANS算法、SCALA隱式轉換高級特性。
4.描述如下:
先說前壹階段，主要是第壹階段。HADOOP基於MR分析大規模數據集，包括機器學習和人工智能，速度相對較慢。並且不適合叠代計算。SPARK是MR在分析方面的替代產品。怎麽替代？先說它們的運行機制。HADOOP基於磁盤存儲分析，SPARK基於內存分析。我說的話妳可能聽不懂，但說得更形象壹點，就像從北京坐火車去上海。MR是綠皮火車，SPARK是高鐵或者磁懸浮。而SPARK是基於SCALA語言開發的，當然它對SCALA的支持最好，所以在課程中先學習SCALA開發語言。
在科大數據課程的設計中，市場上的崗位要求技術，基本全覆蓋。而且也不是簡單的覆蓋崗位需求，課程本身就是壹個從前端到後端的完整的大數據項目流程。
比如從歷史數據的存儲和分析(HADOOP、HIVE、HBASE)到實時數據的存儲(FLUME、KAFKA)和分析(STORM、SPARK)，這些在現實項目中都是相互依賴的。