??40多G高容量的大數據修煉指南級課程，課程內容非常詳細，在傳統大數據課程基礎上進行了更深一步的融合，技術課程的學習上可以單獨的進行學習，也可以系統化的進行學習。課程內容包括了Scala數據結構和算法，智能數據倉庫，業務倉庫，電影推薦系統項目實戰，機器學習模型和算法，推薦系統算法。Flume初級課程，Flume高級與案例課程，HBase優化與案例實戰部分，Hive-HiveDDL-HiveDML-Hive案例與Hive壓縮存儲，Kafka從入門到案例，最后仍有新增的Azkaban實戰講解和電信級廠商項目實戰，同時也附帶了課程資料與源碼。
===============課程目錄===============
(1)\大數據技術之Azkaban；目錄中文件數:16個
├─01_Azkaban_簡介.avi
├─02_Azkaban_特點.avi
├─03_Azkaban_架構.avi
├─04_Azkaban_Web_server_配置.avi
├─05_Azkaban_Executor_server_配置.avi
├─06_Azkaban_Web簡介.avi
├─07_Azkaban_基礎使用.avi
├─08_Azkaban_調度Shell腳本.avi
├─09_Azkaban_通知郵件.avi
├─10_Azkaban_多任務工作流程配置.avi
├─11_Azkaban_Java_任務配置.avi
├─12_Azkaban_HDFS_任務配置.avi
├─13_Azkaban_MR_任務配置.avi
├─14_Azkaban_Hive_任務配置.avi
├─15_Azkaban_傳參.avi
├─源碼筆記資料.zip
(2)\大數據技術之Flume；目錄中文件數:44個
├─01_Flume入門_課程介紹.avi
├─02_Flume入門_概念.avi
├─03_Flume入門_基礎架構.avi
├─04_Flume入門_組件介紹.avi
├─05_Flume入門_安裝.avi
├─06_Flume案例_官方案例（配置）.avi
├─07_Flume案例_官方案例（測試）.avi
├─08_Flume案例_監控本地變化文件（需求分析）.avi
├─09_Flume案例_監控本地變化文件（案例一配置文件）.avi
├─10_Flume案例_監控本地變化文件（案例一測試）.avi
├─11_Flume案例_監控本地變化文件（案例二配置文件）.avi
├─12_Flume案例_監控本地變化文件（案例二測試）.avi
├─13_Flume案例_監控本地文件夾（配置文件）.avi
├─14_Flume案例_監控本地文件夾（案例測試）.avi
├─15_Flume案例_斷點續傳文件（配置文件）.avi
├─16_Flume案例_斷點續傳文件（案例測試）.avi
├─17_Flume高級_事務性.avi
├─18_Flume高級_傳輸詳細流程.avi
目錄過長，中間省略
├─47_HBase優化_高可用.avi
├─48_HBase優化_預分區.avi
├─49_HBase優化_RowKey設計原則.avi
├─50_HBase優化_RowKey情景設計.avi
├─51_HBase優化_內存&其他.avi
├─52_HBase案例_谷粒微博（需求分析）.avi
├─53_HBase案例_谷粒微博（項目架構）.avi
├─54_HBase案例_谷粒微博（HBaseUtil類封裝）.avi
├─55_HBase案例_谷粒微博（定義常量）.avi
├─56_HBase案例_谷粒微博（發布微博第一部分）.avi
├─57_HBase案例_谷粒微博（發布微博第二部分）.avi
├─58_HBase案例_谷粒微博（關注用戶第一部分）.avi
├─59_HBase案例_谷粒微博（關注用戶第二部分分析）.avi
├─60_HBase案例_谷粒微博（關注用戶第二部分代碼實現）.avi
├─61_HBase案例_谷粒微博（取關用戶）.avi
├─62_HBase案例_谷粒微博（獲取初始化頁面數據）.avi
├─63_HBase案例_谷粒微博（獲取某個人所有微博）.avi
├─64_HBase案例_谷粒微博（測試）.avi
├─源碼筆記資料.zip
(4)\大數據技術之Hive；目錄中文件數:93個
├─01_Hive入門_課程介紹.avi
├─02_Hive入門_概念介紹.avi
├─03_Hive入門_優缺點.avi
├─04_Hive入門_架構.avi
├─05_Hive入門_與數據庫的比較.avi
├─06_Hive安裝_安裝&初試牛刀.avi
├─07_Hive安裝_從文件系統加載數據.avi
├─08_Hive安裝_安裝MySQL.avi
├─09_Hive安裝_元數據存儲在MySQL.avi
├─10_Hive安裝_回顧.avi
├─11_Hive安裝_JDBC訪問.avi
├─12_Hive安裝_常用交互命令.avi
├─13_Hive安裝_其他命令.avi
├─14_Hive安裝_常見配置信息.avi
├─15_Hive數據類型_基本&集合類型.avi
├─16_Hive數據類型_類型轉換.avi
├─17_HiveDDL_數據庫的增刪改查.avi
├─18_HiveDDL_建表語法.avi
├─19_HiveDDL_內外部表.avi
├─20_HiveDDL_分區表概念&簡單使用.avi
├─21_HiveDDL_分區表基本操作.avi
├─22_HiveDDL_分區表注意事項.avi
├─23_HiveDDL_修改表.avi
├─24_HiveDML_使用Load方式加載數據.avi
├─25_HiveDML_使用insert&as select加載數據.avi
├─26_HiveDML_使用Location加載數據.avi
├─27_HiveDML_回顧.avi
├─28_HiveDML_導出數據到文件系統.avi
├─29_HiveDML_導出數據的其他方式.avi
├─30_HiveDML_清空表.avi
├─31_Hive查詢_基礎查詢.avi
├─32_Hive查詢_Where&判斷式.avi
├─33_Hive查詢_Join.avi
├─34_Hive查詢_全局排序Order By.avi
├─35_Hive查詢_排序.avi
├─36_Hive查詢_4種排序總結.avi
├─37_Hive查詢_分桶表創建&導入數據.avi
├─38_Hive查詢_分桶表抽樣查詢.avi
├─39_Hive函數_常用函數空值賦值.avi
├─40_Hive函數_常用函數時間類.avi
├─41_Hive函數_常用函數Case&if.avi
├─42_Hive函數_常用函數行轉列.avi
├─43_Hive函數_常用函數列轉行.avi
├─44_Hive函數_窗口函數需求一.avi
├─45_Hive函數_窗口需求二&三.avi
├─46_Hive函數_窗口函數需求四.avi
├─47_Hive函數_回顧.avi
├─48_Hive函數_窗口函數回顧.avi
├─49_Hive函數_窗口函數二.avi
├─50_Hive函數_排名函數.avi
├─51_Hive案例_課堂練習（一）.avi
├─52_Hive案例_課堂練習（二-1）.avi
├─53_Hive案例_課堂練習（二-2）.avi
├─54_Hive案例_螞蟻森林（1-1）.avi
├─55_Hive案例_螞蟻森林（1-2）.avi
├─56_Hive案例_螞蟻森林（2）解法一.avi
├─57_Hive案例_螞蟻森林（2）解法二.avi
├─58_Hive案例_螞蟻森林（2）解法三.avi
├─59_Hive函數_回顧.avi
├─60_Hive函數_系統函數查看.avi
├─61_Hive函數_自定義函數介紹.avi
├─62_Hive函數_自定義UDF.avi
├─63_Hive函數_自定義UDF（2）.avi
├─64_Hive函數_自定義UDTF（分析）.avi
├─65_Hive函數_自定義UDTF（初始化方法）.avi
├─66_Hive函數_自定義UDTF（核心方法）.avi
├─67_Hive函數_自定義UDTF（打包測試）.avi
├─68_Hive壓縮存儲_Snappy壓縮方式.avi
├─69_Hive壓縮存儲_行存儲&列存儲.avi
├─70_Hive壓縮存儲_Text&ORC&Parquet文件格式對比.avi
├─71_Hive壓縮存儲_存儲格式&壓縮方式結合使用.avi
├─72_Hive優化_Fetch抓取&本地模式.avi
├─73_Hive優化_大表Join大表&小表.avi
├─74_Hive優化_MapJoin.avi
├─75_Hive優化_回顧.avi
├─76_Hive優化_Group By.avi
├─77_Hive優化_笛卡爾積&行列過濾.avi
├─78_Hive優化_動態分區.avi
├─79_Hive優化_分區分桶&MR.avi
├─80_Hive優化_9.5-9.10.avi
├─81_Hive案例_谷粒影音需求分析.avi
├─82_Hive案例_MRETL分析.avi
├─83_Hive案例_MR ETL Mapper.avi
├─84_Hive案例_MR ETL清洗數據邏輯.avi
├─85_Hive案例_MR ETL Driver.avi
├─86_Hive案例_谷粒影音數據準備.avi
├─87_Hive案例_谷粒影音需求（一）.avi
├─88_Hive案例_谷粒影音需求（二）.avi
├─89_Hive案例_谷粒影音需求（三）.avi
├─90_Hive案例_谷粒影音需求（四）.avi
├─91_Hive案例_谷粒影音需求（五、六&八）.avi
├─92_Hive案例_谷粒影音需求（七）.avi
├─源碼筆記資料.zip
(5)\大數據技術之Kafka；目錄中文件數:44個
├─01_Kafka入門_課程介紹.avi
├─02_Kafka入門_定義.avi
├─03_Kafka入門_消息隊列.avi
├─04_Kafka入門_消費模式.avi
├─05_Kafka入門_基礎架構.avi
├─06_Kafka入門_安裝&啟動&關閉.avi
├─07_Kafka入門_命令行操作Topic增刪查.avi
├─08_Kafka入門_命令行控制臺生產者消費者測試.avi
├─09_Kafka入門_數據日志分離.avi
├─10_Kafka入門_回顧.avi
├─11_Kafka高級_工作流程.avi
├─12_Kafka高級_文件存儲.avi
├─13_Kafka高級_生產者分區策略.avi
├─14_Kafka高級_生產者ISR.avi
├─15_Kafka高級_生產者ACk機制.avi
├─16_Kafka高級_數據一致性問題.avi
├─17_Kafka高級_ExactlyOnce.avi
├─18_Kafka高級_生產者總結.avi
├─19_Kafka高級_消費者分區分配策略.avi
├─20_Kafka高級_消費者offset的存儲.avi
├─21_Kafka高級_消費者組案例.avi
├─22_Kafka高級_高效讀寫&ZK作用.avi
├─23_Kafka高級_Ranger分區再分析.avi
├─24_Kafka高級_事務.avi
├─25_Kafka高級_API生產者流程.avi
├─26_Kafka高級_API普通生產者.avi
├─27_Kafka高級_回顧.avi
├─28_Kafka案例_API帶回調函數的生產者.avi
├─29_Kafka案例_API生產者分區策略測試.avi
├─30_Kafka案例_API自定義分區的生成者.avi
├─31_Kafka案例_API同步發送生成者.avi
├─32_Kafka案例_API簡單消費者.avi
├─33_Kafka案例_API消費者重置offset.avi
├─34_Kafka案例_消費者保存offset讀取問題.avi
├─35_Kafka案例_API消費者手動提交offset.avi
├─36_Kafka案例_API自定義攔截器（需求分析）.avi
├─37_Kafka案例_API自定義攔截器（代碼實現）.avi
├─38_Kafka案例_API自定義攔截器（案例測試）.avi
├─39_Kafka案例_監控Eagle的安裝.avi
├─40_Kafka案例_監控Eagle的使用.avi
├─41_Kafka案例_Kafka之與Flume對接.avi
├─42_Kafka之與Flume對接（數據分類）.avi
├─43_Kafka之Kafka面試題.avi
├─源碼筆記資料.zip
1)\大數據技術之Scala數據結構和算法；目錄中文件數:71個
├─01-Scala數據結構和算法-數據結構和算法基本介紹.avi
├─02-Scala數據結構和算法-數據結構和算法幾個實際問題.avi
├─03-Scala數據結構和算法-稀疏數組介紹.avi
├─04-Scala數據結構和算法-稀疏數組壓縮實現.avi
├─05-Scala數據結構和算法-稀疏數組解壓實現.avi
├─06-Scala數據結構和算法-隊列介紹.avi
├─07-Scala數據結構和算法-單向隊列實現.avi
├─08-Scala數據結構和算法-單向隊列問題分析.avi
├─09-Scala數據結構和算法-環形隊列(1).avi
├─10-Scala數據結構和算法-環形隊列(2).avi
├─11-Scala數據結構和算法-鏈表說明和應用場景.avi
├─12-Scala數據結構和算法-單向鏈表-人員管理系統說明.avi
├─13-Scala數據結構和算法-單向鏈表-添加和遍歷.avi
├─14-Scala數據結構和算法-單向鏈表-有序插入節點.avi
├─15-Scala數據結構和算法-單向鏈表-修改節點.avi
├─16-Scala數據結構和算法-單向鏈表-刪除節點.avi
├─17-Scala數據結構和算法-雙向鏈表基本介紹.avi
├─18-Scala數據結構和算法-雙向鏈表的實現.avi
├─19-Scala數據結構和算法-鏈表的經典應用-約瑟夫問題.avi
├─20-Scala數據結構和算法-約瑟夫問題-形成環形和遍歷.avi
├─21-Scala數據結構和算法-約瑟夫問題-算法思路分析.avi
├─22-Scala數據結構和算法-約瑟夫問題-算法的實現.avi
├─23-Scala數據結構和算法-棧的基本介紹.avi
├─24-Scala數據結構和算法-棧的基本使用.avi
├─25-Scala數據結構和算法-使用棧計算表達式的思路.avi
├─26-Scala數據結構和算法-編寫數棧和符號棧.avi
├─27-Scala數據結構和算法-完成單數表達式運算(1).avi
目錄過長，中間省略
├─87_業務數倉_業務數倉課程介紹.avi
├─88_業務數倉_電商業務與數據結構簡介.avi
├─89_業務數倉_表的分類.avi
├─90_業務數倉_同步策略.avi
├─91_業務數倉_范式理論.avi
├─92_業務數倉_雪花模型、星型模型和星座模型.avi
├─93_業務數倉_配置Hadoop支持Snappy壓縮.avi
├─94_業務數倉_業務數據生成.avi
├─95_業務數倉_Sqoop安裝及參數.avi
├─96_業務數倉_Sqoop導入數據.avi
├─97_業務數倉_ODS層建表及數據導入.avi
├─98_業務數倉_DWD層建表及導入數據.avi
├─99_業務數倉_需求講解.avi
├─源碼筆記資料.rar
(6)\大數據技術之機器學習和推薦系統\視頻；目錄中文件數:1個
├─000_機器學習和推薦系統_課程簡介.wmv
(7)\大數據技術之機器學習和推薦系統\視頻\II_電影推薦項目；目錄中文件數:29個
├─037_電影推薦系統_項目系統設計（上）.wmv
├─038_電影推薦系統_項目系統設計（中）.wmv
├─039_電影推薦系統_項目系統設計（下）.wmv
├─040_電影推薦系統_項目框架搭建.wmv
├─041_電影推薦系統_數據加載模塊（一）.wmv
├─042_電影推薦系統_數據加載模塊（二）.wmv
├─043_電影推薦系統_數據加載模塊（三）.wmv
├─044_電影推薦系統_數據加載模塊（四）.wmv
├─045_電影推薦系統_數據加載模塊（五）.wmv
├─046_電影推薦系統_統計推薦模塊（上）.wmv
├─047_電影推薦系統_統計推薦模塊（中）.wmv
├─048_電影推薦系統_統計推薦模塊（下）.wmv
├─049_電影推薦系統_基于LFM的離線推薦模塊（上）.wmv
├─050_電影推薦系統_基于LFM的離線推薦模塊（中）.wmv
├─051_電影推薦系統_基于LFM的離線推薦模塊（下）.wmv
├─052_電影推薦系統_ALS模型評估和參數選取（上）.wmv
├─053_電影推薦系統_ALS模型評估和參數選取（下）.wmv
├─054_電影推薦系統_實時推薦模塊（一）.wmv
├─055_電影推薦系統_實時推薦模塊（二）.wmv
├─056_電影推薦系統_實時推薦模塊（三）.wmv
├─057_電影推薦系統_實時推薦模塊（四）.wmv
├─058_電影推薦系統_實時推薦模塊（五）.wmv
├─059_電影推薦系統_實時推薦模塊測試.wmv
├─060_電影推薦系統_基于內容推薦模塊（一）.wmv
├─061_電影推薦系統_基于內容推薦模塊（二）.wmv
├─062_電影推薦系統_基于內容推薦模塊（三）.wmv
├─063_電影推薦系統_基于內容推薦模塊（四）.wmv
├─064_電影推薦系統_實時系統聯調測試（上）.wmv
├─065_電影推薦系統_實時系統聯調測試（下）.wmv
(8)\大數據技術之機器學習和推薦系統\視頻\I_理論；目錄中文件數:36個
├─001_推薦系統簡介_概述.wmv
├─002_推薦系統簡介_推薦系統算法簡介.wmv
├─003_推薦系統簡介_推薦系統評測.wmv
├─004_機器學習入門_數學基礎（上）.wmv
├─005_機器學習入門_數學基礎（下）.wmv
├─006_機器學習入門_機器學習概述.wmv
├─007_機器學習入門_監督學習（上）.wmv
├─008_機器學習入門_監督學習（中）.wmv
├─009_機器學習入門_監督學習（下）.wmv
├─010_機器學習模型和算法_python簡介.wmv
├─011_機器學習模型和算法_python基礎語法（上）.wmv
├─012_機器學習模型和算法_python基礎語法（下）.wmv
├─013_機器學習模型和算法_線性回歸（上）.wmv
├─014_機器學習模型和算法_線性回歸最小二乘代碼實現（上）.wmv
├─015_機器學習模型和算法_線性回歸最小二乘代碼實現（下）.wmv
├─016_機器學習模型和算法_線性回歸（下）.wmv
├─017_機器學習模型和算法_線性回歸梯度下降代碼實現.wmv
├─018_機器學習模型和算法_線性回歸調用sklearn庫代碼實現.wmv
├─019_機器學習模型和算法_K近鄰.wmv
├─020_機器學習模型和算法_K近鄰代碼實現（上）.wmv
├─021_機器學習模型和算法_K近鄰代碼實現（中）.wmv
├─022_機器學習模型和算法_K近鄰代碼實現（下）.wmv
├─023_機器學習模型和算法_邏輯回歸（上）.wmv
├─024_機器學習模型和算法_邏輯回歸（下）.wmv
├─025_機器學習模型和算法_決策樹.wmv
├─026_機器學習模型和算法_K均值聚類.wmv
├─027_機器學習模型和算法_K均值聚類代碼實現（上）.wmv
├─028_機器學習模型和算法_K均值聚類代碼實現（下）.wmv
├─029_推薦系統_推薦系統算法詳解（一）.wmv
├─030_推薦系統_推薦系統算法詳解（二）.wmv
├─031_推薦系統_推薦系統算法詳解（三）.wmv
├─032_推薦系統_TF-IDF算法代碼示例.wmv
├─033_推薦系統_推薦系統算法詳解（四）.wmv
├─034_推薦系統_推薦系統算法詳解（五）.wmv
├─035_推薦系統_LFM梯度下降算法代碼實現（上）.wmv
├─036_推薦系統_LFM梯度下降算法代碼實現（下）.wmv
