Программа курса «Администрирование кластера Hadoop»

1. Введение в Big Data

   • Что такое Big Data. Понимание проблемы Big Data
   • Эволюция систем распределенных вычислений Hadoop
   • ПринципыФормирование Data Lake и pipelines

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

   • Архитектура HDFS. Блоки HDFS.
   • Основные команды работы с HDFS.
   • Операции чтения и записи, назначения HDFS. 
   • Дисковые квоты. Поддержка компрессии
   • Основные форматы хранения данных TXT, AVRO, ORC, Parquet, Sequence файлы
   • Импорт (загрузка) данных на HDFS
   • Организация Tiering для хранения данных
   • Архивное хранение HDFS
   • Локальное чтение и распределенное кэширование

4. Map Reduce

   • Ведение в MapReduce. Компоненты MapReduce. Работа программ MapReduce. YARN MapReduce v2/3
   • Ограничения и параметры MapReduce и YARN
   • Управление запуском пользовательских задач (jobs) под MapReduce

5. Дизайн кластера Hadoop

   • Сравнение дистрибутивов и версий Hadoop 2/3 (Cloudera Distributed Hadoop, MapR, HortonWorks Data Platform, Arenadata Hadoop): 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 Hadoop кластера в облаке
   • Автоматические варианты установки
   • Установка и настройка кластера Hadoop в изолированном окружении (offline).

7. Операции обслуживания кластера Hadoop

   • Дисковая подсистема
   • Квоты
   • Остановка, запуск, перезапуск(Graceful Shutdown)
   • Управление узлами
   • Управление обновлениями и создание локального репозитория

8. Оптимизация и управление ресурсами

   • Поиск узких мест.
   • Производительность. Файловая система. Data Node и data layout и партиционирование, bucketing
   • Планировщики: FIFO scheduler. Планировщик емкости (Capacity scheduler). Гранулярное управление ресурсами (Fair scheduler). Защита очередей и доминантное управление ресурсами DRF.
   • Особенности управления ресурсами для разных дистрибутивов

9. Управление кластером Hadoop с использованием Cloudera Manager/Apache Ambari

   • Установка Cloudera Manager/Apache Ambari
   • Основные операции и задачи Cloudera Manager/Apache Ambari
   • Мониторинг с Cloudera Manager/Apache Ambari/ Grafana
   • Диагностика и разрешение проблем с Cloudera Manager/Apache Ambari

10. Безопасность Apache Hadoop

    • Безопасность по умолчанию
    • Многопользовательский режим
    • Аутентификация и авторизация с использованием Active Directory(Microsoft), REALM MIT/FreeIPA: Kerberos, keytabs, principals. Установка и конфигурирование Kerberos в Hadoop
    • Обзор возможностей Apache Sentry, Cloudera Navigator, Apache Ambari, Apache Ranger, Apache Knox, Apache Atlas
    • Резервное копирование и аварийное восстановление
    • Репликация данных и snapshoting.Конфигурирование высокой доступности Name node (HA)
    • Компоненты безопасности Hadoop
    • Best practices Cloudera / HortonWorks/Cloudera/ArenaData

11. Мониторинг Apache Hadoop

    • Apache Zookeeper
    • Встроенные средства мониторинга Cloudera Manager/Apache Ambari
    • Логи сервисов и компонент
    • Внешние системы мониторинга: Zabbix, JMX, Grafana

12. Troubleshooting

    • Data Node
    • Name Node
    • Восстановление Name Node

13. Инструментарий Apache Hadoop экосистемы

    • Графический интерфейс сервиса HUE
    • Подключение Cloudera Data Science Workbench
    • Назначение  Apache Zookeeper
    • Основы Apache Pig — установка и выполнение базовых операций
    • Введение в Apache Hive, понятие Hive таблицы, установка Hive
    • Использование Apache sqoop — установка и выполнение базовых операций
    • Базовые операции Apache Flume — установка и выполнение базовых операций
    • Обзор и назначение компонент: Cloudera Impala, Apache NiFi,  Apache HBase, Apache Kafka, Apache Zookeeper, Apache Oozie

Примерный список практических занятий:
Ручная установка кластера Hadoop с дистрибутива Cloudera Distributed Hadoop/HortonWorks/Аренадата Hadoop на локальной системе 3-узловый кластер
Установка 3-узлового кластера в облаке Amazon Web Services с использованием Cloudera Manager/Apache Ambari
Базовые операции с кластером Hadoop и файловые операции HDFS.
Управление ресурсами и запуском задач с использованием YARN MapReduce/Tez.
Управление кластером с использованием Cloudera Manager/Apache Ambari(развертывание сервисов, репликация, мониторинг, alerting и т.д.)
Конфигурирование системы аутентификации Kerberos для кластера Hadoop под управление Cloudera Manager/Apache Ambari
Установка и выполнение базовых операций в Apache Hive, Apache sqoop, Apache Flume
Выполнение задач в веб-интерфейсе HUE/Apache Ambari View
Мониторинг кластера Hadoop с использованием Zabbix (опционально)
HA высокая доступность(High Availablility) Name Node и YARN (ресурс менеджер) .