课程背景

数据集成之后，需要稳定、可扩展的存储基座和规范的数仓体系。HDFS作为大数据生态的存储基石，其元数据管理、小文件治理是运维痛点；HBase提供面向海量并发随机读写的NoSQL能力；而离线数仓的建模理论（Kimball维度建模）与Hive SQL优化（尤其是数据倾斜）是数据开发者的核心竞争力。本课程系统讲解从分布式存储到数仓分层建模、再到SQL优化与HBase高性能设计的完整链路。

课程收益

深入理解HDFS NameNode元数据、Federation联邦架构及读写流程

掌握小文件治理方案（HAR、SequenceFile、Hive合并）

精通HBase LSM-Tree、RowKey散列设计、布隆过滤器及Compaction优化

掌握Kimball维度建模理论，能够独立设计ODS→DWD→DWS→ADS分层

熟练使用拉链表处理缓慢变化维（SCD）

掌握Hive列式存储（ORC/Parquet）、执行计划解读及数据倾斜终极解决方案

课程特色

存储深度解析：不只讲用法，深入原理（NameNode、LSM-Tree）

数仓实战：从理论到落地分层，配套真实通信话单案例

倾斜攻克：专门章节解决Join倾斜、Group By倾斜

调优导向：RowKey设计、Compaction合并风暴规避

课程对象

大数据开发工程师、数据仓库工程师

HBase/Hive运维与开发人员

希望系统学习数仓建模的数据分析师

前置知识：SQL基础，了解Hadoop基本概念。建议先修《课程一》或具备数据集成基础。

课程大纲

单元1：分布式存储基座（HDFS）（1.5天）

第1课：HDFS核心机制与高可用（0.75天）

章节1：NameNode元数据管理机制与Federation联邦架构

章节2：读写底层全流程追踪与机架感知策略

实践：模拟DataNode节点，追踪文件写入的Block分配

第2课：HDFS运维与治理（0.75天）

章节1：小文件产生机制及对NameNode内存的致命危害

章节2：企业级小文件合并与归档治理方案（HAR、SequenceFile、Hive合并）

实践：生成大量小文件，观察NameNode内存变化，执行合并操作

单元2：高并发海量NoSQL存储（HBase）（2天）

第1课：HBase架构与底层数据结构（1天）

章节1：LSM-Tree存储结构与HRegionServer寻址机制

章节2：WAL日志与MemStore刷盘机制

实践：手动触发Flush和Compaction，观察HFile生成

第2课：HBase建模与性能调优（1天）

章节1：RowKey散列设计原则（解决热点与数据倾斜）

章节2：布隆过滤器与Compaction合并风暴优化

实践：设计用户行为表的RowKey，测试预分区下的读写负载

单元3：规范化数仓建模（Kimball）（1.5天）

第1课：数仓建模理论体系（0.75天）

章节1：Inmon范式建模与Kimball维度建模对比

章节2：事实表设计（事务、周期快照、累积快照）与维度表设计

实践：针对电商订单场景设计事实表和维度表

第2课：企业级数仓分层落地（0.75天）

章节1：ODS、DWD、DWS、ADS的分层原则与规范

章节2：拉链表机制与缓慢变化维处理实战

实践：构建用户维度拉链表，实现SCD Type2

单元4：SQL化数据分析与调优（Hive）（2天）

第1课：Hive架构与执行流（1天）

章节1：MetaStore结构剖析与物理转化过程

章节2：列式存储格式（ORC/Parquet）与压缩算法对比

实践：对比同一份数据在TextFile、ORC、Parquet下的查询性能

第2课：数据倾斜诊断与终极化解（1天）

章节1：Hive SQL执行计划（Explain）关键指标解读

章节2：Join倾斜与Group By倾斜的底层成因与代码重写打散策略

实践：构造倾斜任务，使用加盐、MapJoin等方法解决

模块核心实验：亿级话单数据的存储与分层治理

将百GB级模拟通信话单导入HDFS，建立Hive数仓分层并抽取热点查询字段同步至HBase，验证RowKey散列设计对大并发查询的性能提升。

杨文清

大数据&云计算资深实战派专家 杨文清

【专业资质】

20年企业应用与研发经验

拥有2项人工智能相关国家发明专利

中国联通集团深度培训资深讲师

AWS 云计算认证专家

曾任 IBM中国华南区高级咨询顾问

曾任华为Cloud BU高级架构师

曾任广州云宏研发总监

曾任广州智数x-Lab实验室首席科学家

武汉大学计算机科学专业硕士，22年企业应用与研发经验，曾就职于IBM、华为等大型企业，十年华为工作经验，任职华为高级架构师。

并先后担任过知名互联网公司研发总监和智数xLab实验室首席数据科学家。亚马逊云计算认证专家、VMware国际认证讲师。

中国联通集团引擎计划深度培训资深讲师（主讲Docker&K8S、Hadoop、Spark、机器学习、深度学习），对云计算、大数据有深刻的理解，主导过多项国家级大数据项目，并拥有人工智能方面的若干项国家专利。

【实战经验】

IBM中国华南区高级咨询顾问，期间曾参与公安、金融、通信、制造等行业云计算产品方案研发，为多个大型企业提供IT基础建设咨询。

华为Cloud BU高级架构师，聚焦于是云服务产业端到端管理的经营单元，负责构建云服务竞争力，对云服务的客户满意度和商业成功负责。

广州云宏研发总监，带领团队研发了WinCloud云计算管理平台、CnWare云计算操作系统，产品覆盖运营商、公安、金融、政府机关、教育、医疗等多个领域，虚拟机数量超过50万。受到国家、省市领导和专家的肯定和好评。

【项目实战经验】

国产云操作系统 (CnWare) 研发总监

云宏：参与主导公司核心产品WinCloud云管理平台建设，是当前市场上唯一可以同时管理小型机虚拟化、x86虚拟化和arm架构虚拟化的云管理平台；CnWare是唯一的国产云操作系统，对标VmWare，内容包括虚拟化管理中心、虚拟化中间件和虚拟化引擎3部分，实现了全生态全流程的虚拟化覆盖。该产品在中国电信集团采购入围时获得总分第一的成绩。

构建智慧水务AI预警平台 实验室首席科学家

智数信息：任职xLab实验室首席科学家，负责公司前瞻性技术的基础研究，并实现新技术在项目中的落地。期间将以太坊区块链技术应用到了现有的食品溯源系统；协助研发团队在智慧城市管理项目实现了物联网数据的全自动处理过程；协助研发团队将自动化运营引入到港珠澳大桥综合管理系统。作为公司首席科学家，对基础研究的标准化（选型、可行性、研究、应用）过程制定了完整的过程管理。

港珠澳大桥综合业务管理系统 首席架构师

构建综合业务管理平台，为大桥的物流、应急管理、通关提供坚实的数据支撑，提升信息化效率。

宝安智慧水务 研发总监|架构师

实现了物联网数据的全自动处理、自定义指标预警、自助式数据可视化分析，用于企业污水排放监控 。

财政信息一体化 后端架构师

建设大数据平台与业务系统，实现数据整合、可视化、异常数据监控与财政指标智能预测 。

电信经营分析系统 项目经理 / 主导设计

用数据仓库技术与可视化，对电信企业的内部和外部数据进行综合分析处理，生成运营指标 。

【擅长领域】

核心技术/技术管理/架构能力；热衷于技术驱动业务，致力于将新技术转化为高效的生产力。

【讲师优势】

拥有超过20年一线实战经验的复合型技术专家与资深讲师。兼具华为与IBM的顶级企业架构视野，以及将前沿技术从0到1成功产品化的落地能力。

多年来始终坚持在技术一线参与核心研发工作。 对技术在真实业务场景中的痛点、难点和选型权衡有极为深刻的理解，确保了其教学内容与业界最新实践紧密结合，直击问题本质。

【主讲项目/课程(部分)】可根据企业需求组合成不同深度的技术训练营。

《数据科学基础》

《Python编程：从入门到数据处理》

《数据分析思维》

《数据可视化技术与分析报告撰写》

《机器学习核心》

《机器学习经典算法与理论》

《集成学习实战：深入解析XGBoost等模型》

《基于Spark的海量数据分析与机器学习》

《深度学习进阶》

《深度学习框架PyTorch：入门与应用》

《卷积神经网络(CNN)与循环神经网络(LSTM)实战》

《LLM基础：注意力机制(Transform)实战》

《AI技术工程化》

《AI应用基础：提示词工程》

《RAG（检索增强生成）开发实战》

《AI Agent（智能体）开发实战》

《AI 行业应用案例分析》

【授课风格】

1.实战派落地教学，拒绝空谈赋能​

课程内容紧密结合主导的大型项目真实经验，案例翔实，以真实场景、真实案例、真实打法为核心支撑，全干货、全落地，拒绝空谈理论。

2.架构师全局视野，搭建体系能力​

跳出单一操作教学，深度拆解业务底层逻辑与运营架构，溯源打法设计原理，助力学员构建系统化、可迭代的完整业务体系。

3.通透化授学思维，实现举一反三​

依托全域实战经验拆解核心本质，沉淀通用方法论，助力学员举一反三、灵活复用、全域落地。真正实现学一项、通一类、用全域。

【服务客户(部分)】

运营商：联通集团总部、中国电信河南有限公司、中国电信山东有限公司、中国电信江苏有限公司、中国电信重庆有限公司、中国联通广东有限公司、中国联通福建有限公司、中国联通广西有限公司、中国联通上海有限公司、中国联通陕西有限公司、中国联通河北有限公司、中国联通云南有限公司、中国联通重庆有限公司、中国联通四川有限公司、中国联通青海有限公司、中国移动江苏有限公司、中国移动云南有限公司、中国移动浙江有限公司、中国移动河南有限公司、中国移动四川有限公司、中国移动吉林有限公司、中国移动湖北有限公司、中国移动安徽有限公司等

IT公司：华为、腾讯云、IBM、DELL、航天科工、中国航天、TaTa集团、中科曙光、龙芯中科、航天云网、航天科工、联想集团、腾讯云、蓝盾、浩云科技、润乾等

能源：国家电网（湖北省、浙江省、成都等）、南方电网、广东能源集团、江苏核电、国家电投、国网电科院、国能集团长源电力、中煤电力等

银行：中国银行广州分行、招商银行武汉分行、中国银行江苏分行、农业银行荆州分行、交通银行贵州分行、交通银行武汉分行、建设银行广州分行、中国邮政储蓄银行长沙分行、中国邮政储蓄银行南昌分行、平安银行杭州分行、广发银行广州分行、兴业银行、北京银行、工商银行、工银投资、宁波银行等