课程描述：
了解Apache Pig、Apache Hive及Apache Impala如何通过删选、连接进行数据转换和数据分析，以及利用其它常见技术自定义用户功能。
培训对象：
需要使用Hadoop来进行数据分析的数据分析员，商业分析员，开发员以及系统管理员。
学员基础：
建议需具备SQL、简单Unix/Linux命令和脚本编程经验。无需Hadoop基础和经验。
学习内容：
Apache Hadoop基础及数据ETL（包括数据提取、转换及加载）、如何通过使用Hadoop相关工具将数据载入Hadoop并进行分析处理
如何使用Apache Pig对多个关联的数据集进行join操作以及如何分析不同的独立数据
如何使用Apache Hive：通过定义合适的表来组织数据、执行各种数据变换、简化复杂查询
如何使用Impala来对存储在HDFS里的大规模数据进行实时和交互式的分析查询
如何根据数据分析任务来选择合适的数据分析工具
教学大纲：
简介
关于该课程
关于 Cloudera
课程的逻辑介绍
Hadoop 基础
Hadoop的动机
Hadoop 概况
HDFS
MapReduce
Hadoop 生态圈
实验场景介绍
实验: 用Hadoop工具导入数据
Pig简介
什么是 Pig?
Pig的特性
Pig使用案例
和Pig交互
用Pig进行基本数据分析
Pig Latin 语法
数据装载
简单数据类型
Field 定义
数据输出
表结构视图
数据过滤和排序
常用功能
实验: 用Pig 执行ETL流程
Pig处理复杂数据
存储格式
复杂/Nested嵌套的数据类型
成群
处理复杂数据的内置功能
迭代成群的数据
实验: 用Pig分析广告战役的数据
Pig的多数据组操作
集成多数据组的技术
Pig链接多数据组
组操作
数据组分裂
实验: 用Pig分析离散的数据组
扩展 Pig
用参数带来灵活性
Macros 和 Imports
UDFs
Contributed Functions
用其他语言和Pig一起处理数据
实验: 用流处理和UDFs扩展Pig
Pig 故障排查和优化
Pig故障排查> 记录日志
使用Hadoop Web 界面
演示: 用Web 界面排查一个故障的任务
Data 采样和故障排查
性能简介
理解执行计划（Execution Plan）
提高你Pig任务性能的窍门
Hive简介
什么是 Hive?
Hive 表结构和数据存储
对比Hive和传统数据库
Hive vs. Pig
Hive 使用案例
>和Hive的互操作
Hive的关系数据分析
Hive 数据库和表
基本HiveQL 语法
数据类型
链接数据组
通用内建功能
实验: 在Shell, 脚本和Hue上运行运行Hive 查询
Hive 数据管理
Hive 数据格式
创建数据库和 由 Hive管理的表
向 Hive装载 数据
改变数据库和表
自治表格
用视图简化查询
排列查询结果
数据的访问控制
实验: Hive的数据管理
Hive 的文本处理
文本处理简介
重要的字符串（String）功能
使用Hive 的标准表达式（Regular Expressions）
Sentiment Analysis and N-Grams
实验: 通过敏感性分析（Sentiment Analysis）收获洞察
Hive 优化
理解查询性能
控制任务执行计划
分区
Bucketing
索引数据
Hive扩展
SerDes
用定制脚本完成数据转型
自定义功能
Parameterized Queries
实验: Hive的数据转型
Impala 简介
什么是 Impala?
Impala 和 Hive和 Pig的不同
局限和未来方向
使用Impala Shell
采样Impala分析数据
基本语法
数据类型
过滤, 排序, and Limiting Results
链接和组队数据
提升 Impala 性能
实验: Impala的交互式分析
为任务选择最优的工具
对比 MapReduce, Pig, Hive, Impala和关系数据库
