Python培训北京Python培训班好口碑Python培训机构|python画图代码大全画雪花_宠物造型

Linux基本命令用户管理VI权限管理网络管理SSH

MySQLDDLDMLDQL多表查询分组查询约束

Kettle数据转换脚本组件Job开发

BI工具基本操作常用图表仪表板

ZooKeeper架构原理存储模型ZK集群搭建选举机制

HadoopHDFSHDFS架构Block块存储读写流程NameNodeDataNode高可用集群

HadoopMapReduce核心原理执行流程Shuffle机制

HadoopYARNYARN组件架构原理执行流程调度器

HiveHQL数据类型分区分桶拉链表元数据数据压缩存储格式原理架构性能优化

CDHCM架构组件构建CM实操

基于阿里数仓分层架构ODSDIMDWSDWDDMADS

Hive+Presto架构原理SQL调优集群构建

Hive性能调优数据倾斜JOIN调优Hive索引

调度DSAzkabanOozie

Python编程基本语法数据结构函数面向对象异常处理模块与包网络编程多进程多线程闭包装饰器迭代器

数据分析JupyterNotebookPandasMatploblibSeaborn

Spark架构原理SparkRDDSparkDFSparkDAGSparkSQL内存迭代性能调优任务调度PandasonSparkSparkonHiveSparkShuffleSpark3.x新特性kafka原理和架构设计分布式实时计算架构和思想

用户画像及推荐解决方案SparkSQL整合ES自定义数据源、用户画像标签构建规则、用户画像规则类标签构建、用户画像统计类标签构建

阿里云实时计算Flink架构原理批流一体Window操作State操作DataStreamCheckpointFlinkSQL任务调度负载均衡状态管理Runtime执行计划Flink性能监控与调优阿里云Flink+Kafka阿里云Flink+Paimon

数据结构栈树图数组链表哈希表

高频算法排序查找数组字符串链表栈队列二叉树回溯动态规划贪心复杂度

面试真题编程语言SQLHadoop生态HiveSparkFlink

大厂架构美团点评数仓架构小米大数据架构平安大数据架构

让数据分析更精准，开发更高效

多行业高效通用

助力企业“上云”便捷开发

开发不必从零开始

√适用于数据分析、离线数仓、实时数仓、用户画像、实时风控等应用场景

√全程使用SQL即可完成数仓开发，学习成本低，上手快

√StarRocks查询性能强悍，高可用，高可靠，运维简单

√以电商业务为背景，需求涵盖实时和离线全场景，主题、指标丰富

√基于Flink和Paimon实现流批一体、湖仓一体架构，极大降低开发和运维成本

√从0到1进行数仓规划和搭建，融入数仓建模和开发流程，快速提高实战能力

√提供DataWorks云产品和开源组件两套解决方案，解决不同公司需求

√涵盖数据质量、数据安全、数据标准、元数据管理等全域数据治理

√基于银行业务打造，真实还原企业数据治理全流程

√以打车业务为背景，真实还原企业业务场景和需求，方便理解与吸收

√实时基于阿里云Flink开发运用FlinkCDC/FlinkSQL进行编程，兼顾易用性和高效性

√离线基于DataWorks和MaxCompute开发，轻松完成数据集成、数据开发、项目运维等工作

黑马＆阿里云强强联合研发阿里云Flink课程该课程是黑马AI+Python大数据V5.0课程新增重要内容，它基于各类企业近期招聘需求，升级了阿里云平台全套大数据技术栈内容。并由多位Apache社区贡献者联袂授课，采用六项目制驱动技术学习，从原理、实战到源码，帮助学生迈入高级开发工程师行列，满足国家数字化转型对数字人才的大量需求。

数据库分析师BI报表工程师数据运营

PythonPandasPySparkPython数据分析项目帆软BI

数据库开发数仓开发工程师ETL工程师数据平台工程师数据治理工程师大数据运维工程师

Hadoop技术栈Spark技术栈Flink技术栈黑马甄选项目黑马出行离线项目实时数仓项目

机器学习工程师数据挖掘工程师用户画像工程师推荐算法工程师

数据治理用户画像推荐系统实时风控大数据系统统一数仓系统

阶段一数据库基础

新增AI赋能

掌握国内主流AI编程大模型工具，通过嵌入DataGrip中完成业务数据分析SQL代码开发。

主讲内容

Linux操作系统、MySQL与SQL、Kettle与BI工具、电商运营指标分析

可掌握的核心能力

1.掌握MySQL数据库的使用；2.掌握SQL语法；3.掌握Kettle数据迁移工具的使用；4.熟练使用BI可视化工具；5.对数据开发有一定认知，掌握BI工程师所具备的基本技能。

可解决的现实问题

熟练掌握MySQL\SQL、Kettle以及BI工具使用，能够解决传统数仓业务开发任务。

阶段二Hadoop技术栈

能够基于AI大模型工具辅助完成基本构建企业级数仓掌握AI辅助编写Shell脚本、AI辅助编写HiveSQL，AI辅助进行SQL性能调优

大数据开发Hadoop基础、Hive基础、Hive进阶

1.掌握Linux常用命令，为数据开发后续学习打下的良好基础；2.掌握大数据的核心框架Hadoop以及其生态体系，完成HDFS、MapReduce及Yarn机制基本理解与使用；能够搭建Hadoop高可用HA集群；3.掌握Hive的使用和调优；4.具备Hadoop开发能力、离线数据仓库开发能力；5.能够完成基本构建企业级数仓。

熟悉Linux操作系统，以及各种Linux命令，能够解决企业级大数据集群搭建问题，为进阶大数据开发奠定基础。

阶段三千亿级离线数仓项目

掌握AI辅助数据仓库建模、HiveSQL调优

大数据部署运维：ClouderaManager、分析决策需求：数据仓库、数据采集：DataX、数据分析：Hive、数据调度：Dolphinscheduler、OLAP系统存储：PostgreSql、FineReport数据报表与大屏、数仓建模:范式与维度建模、五大核心主题域开发（销售域、供应链域、会员域等）

1.掌握泛电商行业离线数仓的分层与建模，从需求、设计、研发、测试到落地上线的完整项目流程；2.行业内首个深度讲解数仓建模模型方案的主体项目；3.包括海量数据场景下如何优化配置；4.掌握项目迁移能力，能够将项目迁移至泛电商的各个领域；5.掌握在泛电商行业中关于全量与增量数据处理模式；6.提供泛电商行业下的数据存储分析以及服务监控方案。

能够解决企业级常见数据仓库搭建，从项目的需求、技术架构、业务架构、部署平台、ETL设计、作业调度等整套pipeline，完成大数据体系下的企业级数据仓库构建。

阶段四千亿级离线数仓（实战）

掌握AI辅助调度脚本编写、指标体系构建

大数据部署运维：ClouderaManager、分析决策需求：数据仓库、数据采集：sqoop、数据分析：Hive、分组完成项目

1.掌握教育行业离线数仓的分层与建模，从需求、设计、研发、测试到落地上线的完整项目流程；2.真实业务逻辑，共涉及20多个主题，100多个指标，提升学员在教育行业中的核心竞争力；3.包括海量数据场景下如何优化配置；4.拉链表的具体应用；5.新增数据和更新数据的抽取和分析；6.Hive函数的具体应用；7.ClouderaManager可视化、自动部署和配置、Git、CodeReview功能。

按照企业级大数据开发流程，独立完成项目开发，掌握企业级多场景大数据离线数仓开发能力，从数仓分层，数仓建模，指标统计，指标展示完成完整的大数据项目。

阶段五BI报表开发项目实战

掌握AI辅助SQL代码开发

1.掌握BI报表开发需求分析2.掌握BI报表工具3.掌握FineReport报表

掌握使用量最广BI报表开发工具FineReport，能够基于FineReport完成不同行业BI报表开发及业务决策。

阶段六Python基础编程

掌握AI辅助编写Python代码开发

Python基础语法、Python面向对象、Python高级语法、Python多任务编程、Python网络编程

1.掌握Python开发环境基本配置；2.掌握运算符、表达式、流程控制语句、数组等的使用；3.掌握字符串的基本操作；4.初步建立面向对象的编程思维；5.熟悉异常捕获的基本流程及使用方式；6.掌握类和对象的基本使用方式；7.知道多进程多线程的原理。

熟练掌握Python语言，建立编程思维，使学员能够熟练使用Python技术完成程序编写。熟练使用Python面向对象程序设计思想，掌握数据开发必备Python高级语法，解决常见Python开发问题。

阶段七数据分析

掌握AI辅助代码编写，解决Bug、业务指标构建

Pandas库的使用、数据可视化技术、数据分析常用思维与模型、数据分析报告撰写

1.掌握Pandas等Python数据分析库的使用2.掌握Matplotlib，Seaborn等数据可视化库的使用3.掌握AIPL、AARRR、RFM等常用数据分析思维与模型的使用4.数据分析报告的撰写5.掌握从数据处理一直到输出报告的全流程，掌握数据分析师具备的常用技能

熟练掌握Pandas，Matplotlib，Seaborn等数据处理与可视化开源库的使用，能够应用常用数据分析思维与模型解决业务问题并输出数据分析报告。

阶段八Spark技术栈

掌握AI辅助编写Spark开发代码、编写SparkSOL、解决Bug、性能调优

大数据Spark技术栈、SparkSQL数据处理与统计分析、Spark案例实战

1.掌握Spark的RDD、DAG、CheckPoint等设计思想；2.掌握SparkSQL结构化数据处理，SparkOnHive；3.掌握StructuredStreaming整合多数据源完成实时数据处理；4.具备Spark全栈开发能力，满足大数据行业多场景统一技术栈的数据开发，提供就业核心竞争力。

阶段九用户画像解决方案

掌握AI辅助编写PySpark开发代码、解决Bug、性能调优

SparkSQL整合ES自定义数据源、DS任务界面化调度、用户画像标签构建规则、用户画像规则类标签构建、用户画像统计类标签构建

1.掌握SparkSQL整合ES自定义数据源；2.掌握用户画像构建流程；3.掌握用户画像标签构建规则；4.掌握用户画像规则类标签构建；5.掌握用户画像统计类标签构建。

项目提供了全行业用户画像解决方案,使用SparkSQL+ES+DS构建企业级用户画像，通过SparkSQL+MySQL构建通用行业用户画像标签体系。

阶段十大模型Agent应用开发

掌握AIAgent构建数据分析领域智能体，助力高效数据分析

基于Agent的数据库查询操作、大模型FunctionCal原理与实现、AssistantAPl的原理及应用、基于本地知识库搭建答疑聊天机器人

掌握如何使用AI大模型帮助数据开发和数据分析编程效率提升，具备使用AI大模型解决问题的能力。

阶段十一面试加强

通过AI大模型提高刷题效率

核心技能知识点以及常见面试题强化学习

1.强化面试就业核心面试题；2.梳理大数据架构及解决方案；3.剖析多行业大数据架构。

对学习的内容进行整体回顾，并分析经典面试题，指导简历，面试和沟通技巧。

阶段十二阿里云实时计算技术

掌握基础AI辅助编写需求代码、解决代码Bug

阿里云Flink入门、FlinkSQL、Flink作业开发、阿里云Flink运维

1.掌握基于阿里云Flink进行实时和离线数据处理、分析；2.掌握基于阿里云Flink的多流并行处理技术；3.掌握FlinkCDC多数据源采集技术。

阶段十三阿里云实时计算项目

掌握基础AI辅助编写需求代码、解决代码Bug选择

基于阿里云Flink+Kafka+Paimon湖仓一体技术架构，实现在线视频行业大规模流数据处理和实时分析。本项目依托阿里云Flink流处理计算引擎，通过FlinkCDC实时采集RDSMySQL数据库数据，实现数据采集的断点续传，使用Kafka作为实时数仓，使用Paimon实现数据的持久化和Flink批处理，实现计算的流批一体，数据存储的湖仓一体，采用StarRocks对接DataV完成实时业务大屏展示。

1.湖仓一体化解决方案基于Flink+Paimon湖仓一体技术架构；2.基于FlinkCDC完成MySQL等数据源的数据采集；3.FlinkSQL流批一体架构实现实时数据计算；4.使用StarRocks进行海量多维分析；5.掌握数据报表分析；6.掌握业务数据实时大屏场景实现。

采集超过千万条在线视频的数据，实时高性能海量数据分析与存储业务数据实时大屏场景实现。

学习目标

1.线上3个月进阶大数据实时开发，多行业大数据项目助力企业数字人才精英2.皆在成就实时开发工程师，大数据架构师等，帮助学员成为优秀的实时工程师

技术阶段

·大数据Java语言·数据采集·NoSQL&消息中心·实时OLAP框架·数据湖开发·Flink技术栈·FlinkSQL原理到精通·基于DataWorks全链路数据开发·湖仓一体化解决方案·Flink源码剖析·Flink二次开发

项目阶段

·星途车联网实时项目·今日指数证券实时项目

基于某B2B互联网电商平台为背景，根据订单信息、门店信息、店铺信息以及商品信息等进行分析，制作不同需求报表，以供业务人员和管理人员每天查看分析并制定相应的措施，为企业经营决策提供数据支撑，从而实现公司利益最大化。

ETL数据开发定时调度BI报表设计

完整的BI项目开发流程、全方面掌握FineReport报表开发、提供BI项目的全方位解决方案

项目以新零售业务为背景，真实还原企业业务与需求。通过从0到1的搭建和开发流程，使学生掌握离线数仓技术栈的同时，能够极大提高需求分析与开发能力。

多源数据迁移海量数据存储离线数仓设计与实现

技术架构主流、项目真实度高、教学设计合理、调优策略丰富

项目以Flink、Hudi、Hive为核心组件，打造成企业级流批一体数仓系统，具备延迟低、成本低和吞吐量大等特点，可以满足企业的所有实时和离线需求。通过项目学习，可以对流批一体的的应用有更深的理解，助力高薪就业。

流批一体数据采集流批一体数据存储流批一体数据计算

先进的流批一体架构、项目真实度高、教学设计合理

业务新颖易理解、技术先进且实用、讲练结合吸收好

随着云平台的普及，越来越多的公司使用云平台来开发大数据应用。项目采用DataWorks+MaxCompute和阿里云Flink两大主流解决方案，来实现离线数仓和实时数仓搭建，使学生充分掌握云平台的使用，并提高整体开发能力。

云平台存储云平台计算数据仓库开发

业务新颖易理解、云平台应用就业广、离线实时全覆盖

大数据架构师拥有丰富的技术攻坚经验多年大数据架构及开发经验,对数据分析,大数据开发,后端开发等技术有深入了解。在多家软件公司担任开发工程师,架构师

ApachePulsar社区贡献者擅长数仓领域从事多年爬虫与大数据开发与教学，对大数据的主流框架有着深入的理解参与并主导的项目涉及分布式电商,数据爬取,离线分析等多个行业

ApacheFlink源码贡献者ApacheConAsia2022亚洲峰会特邀讲师曾任网易游戏大数据平台组项目经理、高级专家、技术总监等职务主导设计游戏一体化大数据运营平台

ApacheFlink源码贡献者擅长大数据云平台技术领域曾担任京东及小米有品电商部担任大数据部门技术骨干。拥有万亿级数据处理经验具有多年大数据领域和云平台研发经验

架构师，技术经理熟悉大数据&数据库&后端&前端曾在途牛旅游网、江苏移动等公司担任技术经理和架构师，负责优化技术架构和系统流程，解决性能、效率、维护等问题

985计算机硕士ApacheConAsia2022亚洲峰会特邀讲师主导研发多项国家和省级科研项目，负责企业级信贷风控模型和智能医疗数据平台开发任职头部互联网企业搜索部负责搜索排序及推荐平台研发

985计算机硕士ApacheDoris社区贡献者曾任职于百度搜索研发部负责搜索推荐业务，主导多项产品实施落地曾任中国电子科技集团公司第七研究所技术专家

行业贡献:受邀参加云栖大会、ApacheFlinkAisaMetting、ApacheCosConAisaMeeting等行业大会，并发表主旨演讲ApacheFlink社区源码贡献者2名ApachePulsar社区贡献者1名ApacheHudi社区贡献者1名ApacheDoris社区贡献者1名

在实时计算领域，阿里云实时计算Flink版一直是各大中小企业的主流选择，期待阿里云与传智教育的合作能够培养大量满足企业实际开发需求的实战型人才，助力企业在云上更方便、快捷、低成本的构建大数据分析平台，让企业和学员都能得到受益。

全日制教学管理每天10小时专属学习计划测试、出勤排名公示早课+课堂+辅导+测试+心理疏导

实战项目贯穿教学一线大厂实战项目实用技术全面覆盖课程直击企业需求

AI教辅保障学习效果水平测评，目标导向学习随堂诊断纠错，阶段测评在线题库，BI报表数据呈现

个性化就业指导就业指导课，精讲面试题模拟面试，给出就业建议试用期辅导，帮助平稳过渡

无忧学就业权益未就业，全额退费薪资低于标准，发放补贴多一份安心，学习无忧

听一听黑马学员的真实就业感受

聚集多位Apache社区贡献者及大厂技术讲师，联合推出行业重磅AI+Python大数据V5.0课程，通过5-6个月学习进阶数据开发工程师，获取3-4年开发经验，对标高级数据开发工程师。

AI+Python大数据V5.0学习路线概览

第一阶段第二阶段第三阶段第四阶段第五阶段

第六阶段第七阶段第八阶段第九阶段

第十阶段第十一阶段第十二阶段第十三阶段

AI+Python大数据V5.0五大课程优势：

敢以班级为单位公开就业信息的机构，只有黑马程序员！通过数千班级实施和就业结果显示，黑马程序员Python+大数据开发的课程，有效大幅提升就业薪资水平！

基础班

1.数据库基础

高手班

1.Hadoop技术栈2.千亿级离线数仓项目3.千亿级离线数仓实战4.BI报表开发项目实战5.Python基础编程6.数据分析7.Spark技术栈8.用户画像解决方案9.大模型Agent应用开发10.面试加强11.阿里云实时计算技术12.阿里云实时计算项目

Python+大数据版本V5.0

课时:8天技术点:60项测验:1次学习方式:线下面授

1.掌握MySQL数据库的使用|2.掌握SQL语法|3.掌握Kettle数据迁移工具的使用|4.熟练使用BI可视化工具|5.对数据开发有一定认知，掌握BI工程师所具备的基本技能

1.MySQL与SQL零基础小白通过MySQL数据库，掌握核心必备SQL，包含了以下技术点：

1.数据库环境搭建|2.SQL语言（DDL、DML、DQL）|3.多表查询|4.索引等

2.Kettle与BI工具使用Kettle做数据迁移，通过BI工具展示Excel、MySQL中的数据，包含了以下技术点：

3.电商运营指标分析通过Kettle+MySQL+FineBI完成电商运营指标分析，包含了以下技术点：

课时:13天技术点:8项测验:0次学习方式:线下面授

1.掌握Linux常用命令，为数据开发后续学习打下的良好基础|2.掌握大数据的核心框架Hadoop以及其生态体系，完成HDFS、MapReduce及Yarn机制基本理解与使用；能顾搭建Hadoop高可用HA集群|3.掌握Hive的使用和调优|4.具备Hadoop开发能力、离线数据仓库开发能力|5.能够完成基本构建企业级数仓

1.Linux掌握Linux操作系统常用命令和权限管理，包含了以下技术点：

2.大数据基础和硬件介绍进一步阐述大数据特点与分布式思想，知识点由浅入深，包含了以下技术点：

3.ZooKeeper分布式软件管家，实现了集群管理与leader选举，包含了以下技术点：

1.ZooKeeper的应用场景|2.架构和原理|3.存储模型|4.选举机制|5.客户端操作

4.HDFS分布式文件系统，解决了海量数据存储与容错，包含了以下技术点：

5.MapReduce分布式计算系统，解决海量数据的计算，包含了以下技术点：

6.YARN分布式资源调度管理器，管理服务器软件资源，包含了以下技术点：

1.Yarn原理和架构|2.Yarn高可用|3.Container资源的封装（CPU、内存和IO）|4.资源调度策略（FIFO、Fair和Capacity）

7.Hive基础数据仓库Hive，实现企业级数仓必备工具，包含以下知识点：

1.HQL操作|2.数据类型|3.分区、分桶、临时表|4..explain执行计划详解

8.Hive进阶数据仓库Hive高阶原理和架构深入，实现企业级数仓优化，包含以下知识点：

1.Hive原理和架构2.MetaStore服务3.HiveServer内置函数4.自定义UDF和UDAF5.数据压缩、存储格式、自动化脚本、常见性能优化

课时:11天技术点:105项测验:0次学习方式:线下面授

本项目基于某泛电商研发的大数据分析平台。项目原型来自于某大型生鲜平台，完全模拟企业真实数仓开发模式，拥有真实的主题化开发；真实的数据结构，复杂的SQL实现过程，学生学习以后可以开发企业级离线数仓的水平。

课时:4天技术点:40项测验:0次学习方式:线下面授

本项目基于某泛电商研发的大数据分析平台。项目原型来自于某大型生鲜平台,完全模拟企业真实数仓开发模式，拥有真实的主题化开发；真实的数据结构，复杂的SQL实现过程，学生学习以后可以开发企业级离线数仓的水平。

1.掌握BI报表开发需求分析|2.掌握BI报表工具|3.掌握FineReport报表

数据可视化能力早已成为新时代优秀工程师必备素养。项目结合FineReport、Python、MySQL、Kettle等主流工具，手把手带你开发一个完整的BI项目，全流程特训你的数据可视化能力，助力你迅速成为数据时代的新锐开发者。

FineReport报表开发解决方案|BI报表开发技术解决方案|报表查询解决方案设计|泛电商行业五大主题解决方案

1.BI报表开发需求分析|2.BI报表工具|3.FineReport报表入门|4.泛电商行业五大主题的实现

课时:7天技术点:80项测验:1次学习方式:线下面授

1.Python基础语法零基础学习Python的开始，包含了以下技术点：

2.Python数据处理掌握Python的数据类型，并对其进行操作处理，包含了以下技术点：

3.函数能够实现Python函数的编写，包含了以下技术点：

4.文件读写能够使用Python对文件进行操作，包含了以下技术点：

5.异常处理主要介绍了在Python编程中如何处理异常，包含了以下技术点：

01_异常概念|02_异常捕获|03_异常的传递

6.模块和包主要介绍了Python中的模块和包的体系，以及如何使用模块和包，包含了以下技术点：

7.Python面向对象从逐步建立起面向对象编程思想，再到会使用对象，到创建对象，再到真正理解为什么封装对象，包含了以下技术点：

8.Python高级语法主要学习Python的高级语法，包含以下技术点：

01_闭包|02_装饰器|03_深浅拷贝|04_正则

课时:8天技术点:100项测验:1次学习方式:线下面授

1.掌握Pandas的使用方式2.掌握常用数据指标计算方法3.掌握如何使用Python进行RFM分群4.掌握使用Python代码进行用户行为分析

1.Python数据分析基础本阶段学习如何使用Juypter_notebook和Pandas库对数据进行处理，包括以下技术点：

1.JupyterNotebook的使用|2.Pandas数据结构|3.Pandas数据增删改查|4.Pandas常用函数|5.Pandas缺失值异常值处理

2.Python数据可视化本阶段学习如何使用Matplotlib、Pandas、Seaborn进行数据可视化，包括以下技术点

1.可视化常用图表介绍|2.Matploblib数据可视化|3.Pandas数据可视化|4.Seaborn数据可视化

3.业务数据分析实战本阶段学习如何使用Pandas，Excel等工具解决具体业务问题，包括以下技术点：

课时:10天技术点:80项测验:1次学习方式:线下面授

1.掌握Spark的架构和原理、RDD、DAG、CheckPoint等设计思想|2.掌握SparkSQL结构化数据处理，SparkOnHive|3.掌握Kafka消息队列的原理和架构设计、分布式实时计算架构和思想4.掌握StructuredStreaming整合多数据源完成实时数据处理|5.具备Spark全栈开发能力，满足大数据行业多场景统一技术栈的数据开发，提供就业核心竞争力

1.Spark基础本阶段学习Spark环境搭建，包含了以下技术点：

1.Spark基础环境搭建|2.Spark的Standalone环境搭建|3.Spark的StandaloneHA搭建|4.SparkOnYarn环境搭建

2.SparkCore整个Spark框架核心部分，掌握框架内部设计思想，数据流转步骤，是学习Spark的基础模块，包含了以下技术点：

1.Spark架构和原理（运行机制、Driver和Executor、spark任务提交流程）|2.RDD开发和原理（Partition、Task、RDD的依赖关系、RDD的容错机制、RDD的存储级别、RDD的缓存机制）广播变量|3.DAG原理（DAG思想、DAG的生成、DAG的处理过程）

3.SparkSQL学习Spark框架的SQL操作，Spark与Hive等外部数据源的整合操作，包含了以下技术点：

1.SparkSQL架构和原理|2.DataFrame、DataSetDSL和SQL开发|3.Spark多数据源整合（txt、CSV、Json、parquet、JDBC、Hive）|4.SparkSQL执行计划原理|5.SparkSQL性能调优

4.Kafka消息队列主要讲解消息中间件核心知识，包含了以下技术点：

1.Kafka原理及架构分析|2.分布式实时计算架构和思想|3.陌陌社交场景实战|4.社交大数据架构剖析

5.StructedStreaming主要讲解Spark实时计算组件，整合Kafka+StructedStreaming，包含了以下技术点：

1.流式计算基础概念|2.StructuredStreaming编程模型|3.StructuredStreaming整合Kafka|4.StructuredStreaming实时数据处理与统计分析

课时:12天技术点:100项测验:0次学习方式:线下面授

项目以电商为背景，提供全方位的标签体系、完整的标签构建流程、先进的用户画像技术架构,使用Spark+ES+Doris完成海量数据的处理及各类标签计算与存储，充分满足企业离线和实时需求，为全行业用户画像系统提供了解决方案。

用户画像解决方案，主要针对于泛电商或保险行业完成用户标签设计与开发，提供了全行业解决方案。课程采用由浅入深，层层递进的讲解方式，让学生轻松掌握企业级用户画像系统的设计与开发全流程，项目使用的技术栈包括Spark、ES、Doris、SeaTunnel、Kafka，均为时下主流的大数据技术。

课时:2天技术点:40项测验:0次学习方式:线下面授

项目借助于AI大模型Agent技术搭建AIAgent智能体，助力更加高效数据分析

Agent数据分析智能体

1.基于Agent的数据库查询操作2.大模型FunctionCal原理与实现3.AssistantAPl的原理及应用

课时:5天技术点:30项测验:0次学习方式:线下面授

1.强化面试就业核心面试题|2.梳理大数据架构及解决方案|3.剖析多行业大数据架构

1.SQL实战解决Python大数据常见的SQL面试题，包含了以下技术点：

1.面试题必备SQL实战|2.SQL优化加强

2.Hive数据分析与面试题加强解决Hive数据分析开发必备面试题，包含了以下技术点：

1._Hive基础|2.Hive拉链表|3.Hive数据仓库构建示例|4.Hive面试题

3.Spark数据分析与面试题加强解决Spark开发必备面试题，包含了以下技术点：

1.Spark基础|2.Spark离线分析|3.Spark面试题

4.大数据多行业架构剖析解决多行业多场景大数据架构设计，具备举一反三设计大数据架构体系能来，包含了以下技术点：

1.数据分析流程|2.大数据架构剖析|3.多行业大数据架构设计|4.大数据存储，调度等解决方案

课时:6天技术点:80项测验:1次学习方式:线下面授

1.掌握基于阿里云Flink进行实时和离线数据处理、分析|2.掌握基于阿里云Flink的多流并行处理技术|3.掌握FlinkCDC多数据源采集技术

1.阿里云Flink入门掌握国内最火的阿里云Flink技术，完成SQL、Python等作业提交，包含了以下技术点：

2.FlinkSQL掌握FlinkSQL流批一体开发流程，集成Flink核心窗口、水印、状态管理等高级功能，助力高效开发，包含了以下技术点：

3.Flink作业开发掌握Flink作业开发流程，完成不同方式的作业开发和调试，包含了以下技术点：

4.阿里云Flink运维掌握Flink运维流程，针对不同场景通过不同解决方案，达到高效运维使用云平台，包含了以下技术点：

课时:7天技术点:80项测验:0次学习方式:线下面授

本项目是某出行公司基于阿里云平台打造的大数据平台。项目不仅包含实时数仓，也包含离线数仓，还包含数据建模和数据治理等内容。项目以阿里云Flink、Paimon和MaxCompute为核心打造了企业级湖仓一体、流批一体数仓系统，可以满足企业的实时和离线的所有数据统计需求。

通过对企业需求进行深入分析，设计符合企业需求的大数据平台，并从0到1完成大数据平台和数据仓库的搭建。项目采用阿里云Flink结合Paimon，完成实时计算和流批一体存储，采用DataWorks+MaxCompute完成离线数仓开发，使用DataWorks完成数据治理等内容，该方案对各行业大数据平台建设都有极强借鉴意义。

课程名称：主要针对：主要使用开发工具：

·基于关联规则的推荐原理与实现

·基于用户的协同过滤推荐原理与实现

·基于ALS算法的协同过滤推荐原理与实现基于物品的协同过滤推荐原理与实现

·推荐系统常见概念和算法基于流行度的推荐原理与实现

·FineBI的数据连接和数据集的配置方法挖掘类标签开发

·基于ElasticsearchDSL语句的标签查询方法基于DorisSQL语句的标签查询方法

·HiveSQL/PySpark程序/SparkSQL/SeaTunnel的任务部署方式

·业务库数据实时采集SeaTunnelCDC介绍与使用WindowWatermark介绍与使用

·Nginx日志清洗与分析用户行为日志清洗与分析

·匹配类标签开发统计类标签开发Flume数据采集方案

·创建逗号分词器设计ES索引

·Hive数据读取和MySQL规则处理

·标签计算流程

·基于SeaTunnel的数据同步

·SeaTunnelWeb使用

·SeaTunnel的常见使用方式

·SeaTunnel基本概念及特点

·ElasticsearchSQL的使用

·Elasticserch检索方式

·Elasticsearch的基本使用

·RESTfulAPI用法与优势

·Elasticsearch特点和作用

·全文检索

·小兔智购用户画像及推荐系统解决方案

·小兔智购用户画像及推荐系统的项目背景用户画像的构建方式

·用户画像作用及应用

·小兔智购用户画像及推荐系统的项目背景

·使用DataWork完成维度建模

·DataWork数据指标功能介绍与使用

·DataWork数据标准功能介绍与使用

·使用DataWorks完成数仓规划

·数据建模的概念必要性

·DataWorks数据质量功能

·DataWorks数据地图功能

·DataWorks安全中心功能

·DataWorks数据治理中心功能

·数据治理流程

·数据治理概念和背景

·使用Paimon构建流批一体数仓

·Kafka/Redis的实战使用

·使用MaxCompute开发离线数仓

·基于FineBI的黑马出行项目可视化

·FineBI的基本使用

·黑马出行投诉申诉主题业务及指标

·黑马出行乘客主题业务及指标

·黑马出行司机主题业务及指标

·黑马出行订单主题业务及指标

·使用阿里云Flink开发实时数仓

·ODS层流批一体开发方法

·维度主题湖仓一体开发方法

·数据仓库分层及主题划分意义

·运维中心的使用

·基于DataWorks的数据开发流程及操作

·DataWorks数据集成的使用

·DataWorks基本功能介绍

·基于StarRocks实现即席查询案例

·StarRocks查询数据湖

·StarRocks分区分桶

·StarRocks数据模型

·StarRocks基本介绍

·完成阿里云环境搭建

·了解阿里云组件基本介绍

·黑网约车行业发展现状及大数据应用

·黑马出行业务与平台介绍

·Paimon和Hive的集成·Paimon文件操作

·Paimon的使用

·Paimon基本介绍Hudi安装

·DataX部署与使用

·DataXWeb部署与使用

·Hive参数优化

·数据同步方案

·PostgreSQL部署与使用

·DolphinScheduler使用

·数仓项目开发思路

·FineReport服务器部署·FineReport基本使用

·FineReport报表开发·FVS大屏开发

·Flink·CDC·3.0特性与使用

·Flink·CDC·DataStream案例和SQL案例

·HiveDialect使用·HiveCatalog使用

·Flink读写Hive·Hive维表关联

·Hudi简介·Hudi安装与简单使用

·Hudi核心概念·Flink读写Hudi

·HudionHive的原理和使用

·Doris简介·Doris安装与简单使用

·量化机制的介绍·图优化方法的使用

·DorisAggregate模型使用·DorisUnique模型使用·DorisDuplicate模型使用

·DorisPartition划分·DorisBucket划分

·BrokerLoad·StreamLoad·RoutineLoad·数据导出

·Dorisjoin方式和join优化

·DorisRollup·物化视图

·Doris动态分区

·Doris多源目录·Doris与Flink集成

·Dinky部署·Dinky简介·Dinky使用

·实时数仓开发流程与建模设计

·湖仓一体架构开发维度主题

·流批一体架构设计

·流批一体架构开发电商销售主题

·电商日志解析

·TaildirSouce与KafkaChannel配合采集日志

·ProcessFunction使用·FlatMapFunction使用

·Flink侧输出流使用

·Flink状态编程·FlinkTTL设置

·FlinkCEP原理介绍·FlinkCEP实战

·FlinkUDTF函数开发与使用

·反压产生的原因及问题的定位

·KafkaSource调优

·FlinkSQL的调优·Flink内存调优

·FlinkJDBC工具类编写·FlinkKafka工具类编写

·yoloV8的架构解析·双流FPN结构的设计

·FlinkSQL表参数·FlinkSQL解析器

·FlinkSQL的Split分桶·FlinkSQL执行计划翻译器参数

·FlinkSQL的上游CDC去重·FlinkSQL多阶段聚合

·FlinkSQL参数优化·FlinkSQL异步IO容量·FlinkSQL并行度设置

·FlinkSQL语法·FlinKSQLUDF

·Barrier（栅栏）机制

·PyFlink

·Flink状态后端·Flink重启策略

·WindowTVF方案·GroupWindowAggregation方案

·sql-client和FlinkJobManager的连接·sql-client结果的显示模式

·TableEnvironment·sql-client工具

·FlinkTable&SQLAPI

·Oracle的备份恢复·Oracle的OEM·Oracle的冷热备份·Oracle的备份恢复

·Oracle的权限管理·Oracle的审计

·Oracle的进程结构和内存结构·Oracle的监听器

·Oracle数据库管理·Oracle存储结构

·Oracle的存储函数·Oracle的存储过程·Oracle的触发器

·Oracle的PLSQL编程·Oracle的游标

·Oracle索引·Oracle事务·Oracle常用工具

·Oracle序列·Oracle同义词

·Oracle视图·Oracle物化视图

·Oracle数据定义语言·Oracle常见对象

·Oracle基础·Oracle的查询语法及综合案例

·Hive的explain执行计划详解·Hive数据压缩、存储格式、自动化脚本、常见性能优化内容优化

·PSM价格敏感度模型开发·Presto对接多数据源实现指标统计分析

·RFM用户价值度模型开发·RFE用户或月底模型开发

·用户画像解决方案项目BI可视化实时统计结果数据·用户画像解决方案项目BI可视化流程

·用户行为埋点日志etl·用户行为埋点日志聚合统计·用户行为埋点日志统计结果入库

·用户行为埋点日志产生流程与漏斗模型

·nginx日志ip定位，uv、pv、ua、access_time解析·nginx日志入库mysql·实时分析任务基类开发

·nginx日志介绍与产生的流程·nginx日志解析etl·nginx日志聚合统计

·操作采集nginx日志到kafka中·结构化流实现消费nginx日志数据案例

·flume实现采集数据到hdfs·flume实现数据采集到kafka·实时基础与kafka要点回顾

·flume与实时数据采集流程·flume概述与核心要素·标签类型与总结

·购买周期标签思路与实现·支付方式标签思路与实现·标签类型与总结

·作业讲解，实现2个匹配标签开发·统计类标签开发

·基于标签开发基类重写统计类标签和规则类标签

·spark实现统计类标签开发·spark实现规则类标签开发

·spark与mysql整合·spark与es整合

·用户画像数据检验的三种方式·从hive导入数据到es实现·es元数据对象解析

·es集成hadoop生态圈·es-hive支持·es-hive案例与参数

·es核心原理与关键概念·es的resultfulapi·python代码操作es

·es基础·使用es的原因·es的架构

·核心业务流程·sparksql分析引擎·数仓六层模型

·自动导入oracle数据·自动创建文件目录·记录自动化过程日志

·自动创建hive表·自动创建hive分区·自动关联hdfs数据

·数仓建模方法论·日期维度程序生成·维度模型选型

·docker虚拟网桥与网卡·宿主机与docker容器·创建大数据组件容器

·行程地理区域维度·组织机构维度·服务网点维度

·加油站维度·服务属性维度·物流公司维度·故障维度

·数仓整体设计图·技术选型设计图·项目原始数据库结构图

·ODS建模后，使用SQOOP导入数据·DWD根据业务使用全量表、增量表、拉链表等不同的方式实现·DWB层的订单明细表关联了订单表、订单副表、订单组表、店铺表、地区表、订单商品快照表等·商品明细表关联了商品表、商品分类表（三层分类）、商品品牌表等

·Flink背压机制·Flink内存管理·Python语言操作Flink

·FlinkSink新特性·FlinkSQL整合Hive·分层规范，通过对数据业务的分析，将数仓分为ODS,DWD,DWB,DM,APP五层

·FlinkSQL&Table理论部分比重，移除过期API,使用新版API·FlinkSQL整合Kafka案例·双流Join知识点和案例分层规范，通过对数据业务的分析，将数仓分为OD·S,DWD,DWB,DM,APP五层

·Flink版本为1.14·弱化DataSetAPI讲解,加强DataStreamAPI-流批一体新特性的讲解·移除过期API,增加DataStream、Window、Watermaker新版API使用讲解

·实时业务-实时统计Top10热点题·实时业务-实时统计答题最活跃的Top10年级·实时业务-实时统计Top10热点题及所属科目

·数据模拟程序写入到Kafka·实时分析学生答题情况·StructuredStreaming实时分析入口程序·python完成电商行业ETL实战·ETL基础概念·ETL完成的Pipeline构建流程

·结构化流更新，删除Rate数据源-文件数据源·删除企业不常用SparkStreaming

·Spark中ContinuousProcessing·Spark3.2新特性·Spark性能调优九项原则、数据倾斜、shuffle优化·新增Spark教育行业案例，方便学员掌握RDD和DataFrame的使用

·StructuredStreaming处理延迟数据和水印·StructuredStreaming结构化流数据和静态数据Join·StructuredStreaming结构化流数据和结构化路数据Join

·离线业务分析-各科目热点题分析·离线业务分析-各科目推荐题分析

·SparkSQL底层执行原理·StructedStream结构化流内容·Pandas的教育案例数仓实战

·升级Spark版本到3.2·升级Spark的主流开发语言为Python·优化Spark的Standalone方式安装,使用local和yarn模式·Spark3.2整合Hive3.1.2版本兼容问题

·MySQL的教育案例数仓实战·Pandas基础使用,作为理解Spark数据类型的基础·Pandas的Series数据结构·增加在线教育案例

·Python版本Hbase的API调用·Python的教育案例数仓实战·StructuredStreamingSink内容·StructuredStreaming整合Kafka

·Flume采集MoMo数据集场景·实时和离线方式处理数据场景·Python版本Kafka的调用·NoSQL阶段多场景项目实战

·Flume1.9数据采集方式·Hbase2.x新特性

·Hbase的BulkLoader全量数据加载方式

·Python版本MapReduce写法

·python脚本实现增量从oracle导入数据到hdfs中·python脚本实现全量从oracle导入数据到hdfs中·python脚本实现上传avro文件到hdfs上

·python脚本实现压缩表的avro文件为tar.gz文件·python脚本实现avro压缩文件上传hdfs·python实现读取oracle表原始数据·python实现创建hive表·python实现创建hive表

·python实现自定义记录日志·python实现读取一行行文本文件工具类·python读取表信息转对象方法·python实现sparksql创建数据库和表·python实现sparksql创建分区关联表对应的hdfs数据方法

·python实现sparksql查询ods层明细数据并加载到dwd层方法·python实现sparksql查询ods层明细数据并加载到dwd层方法·造数据平台·新特殊字段类型

·字段类型·flink源码前置基础·源码的编译和部署·flink启动脚本的解读·yarn-per-job模式解析

·flink任务调度机制·flink内存模型·HIve3新特性·Hive3数据压缩，存储格式等内容·Hadoop3新特性

·概念和通用api介绍·sqlclient工具的使用·catalogs知识点的学习·流处理中的概念介绍

·flinksql中的窗口使用（ApplicationMode）·FlinkSQL函数操作·Flinksql连接到外部系统·flinksql的原理和调优·sql操作参考

·flinkonyarn的第三种部署方式（ApplicationMode）·自定义source·transformation算子minby和maxby·transformation算子minby和maxby·flink的globalwindow的操作

·flink内置水印函数的操作·flink的window的ReduceFunction·flink的window的AggregateFunction·flink的window的ProcessWindowFunction·flink的window的具有增量聚合的ProcessWindowFunction

·flink的window的在ProcessWindowFunction中使用每个窗口状态·flink的state的ttl机制·flink的state的数据结构的api升级例·flink的QueryableState知识点·异步io的vertx框架实现

·PySpark的安装·PySpark任务提交方式·PySpark多种模式spark-submit·PySpark多种模式spark-submit

·Anaconda安装使用·Python实现RDD的基础的Transformation操作·Python实现RDD的Action操作·Python实现Sougou分词案例·Python实现IP热度分析案例

·Python实现PV-UV-TOPK案例·Python实现累加器及案例优化·Python实现广播变量案例及优化·Python实现缓存案例及优化实现·PySparkSQL实现基础统计操作

·PySpark实现DataFrame的基础操作·PySpark实现DataFrame的wordcount操作·PySpark实现DataFrame和RDD的转换操作·PySpark实现电影评分数据集分析

·PySpark的底层Dataframe如何转化为RDD的原理操作·PySparkSQL的优化方式·PySparkSQL分布式引擎实现·PySparkSQL与HIve整合·PySpark离线教育案例

·PySpark新零售分析案例·ETL、ELT区别·HiveCTE表达式、更新union联合查询·大数据5V特点·大数据多个应用场景

·pandas及可视化课程迭代至v2.01·数据分析多场景项目迭代至v1.81·最新版Python基础编程v2.01·最新版Python编程进阶更新迭代至v2.01·制定v2.0版本课程大纲

·完善flink的运行架构内容·完善flink与kafka连接器的操作·完善flink的window操作的讲义·完善ODS层，新增和更新抽取方式，画图错误

·Flink版本为1.13最新版·Flinktablesql的整体概述·项目开发语言为spark官方使用最多的python语言

·Spark语言为官方使用最多的Python语言·Spark版本为3.1.2发行版，Hive3.1.2版本

·升级HDFS读写流程原理图·升级Hadoop为最新3.3.0版本·升级编排Linux2天讲义升级编排Linux2天讲义·升级MysqlRPM安装方式以支持hive3

·优化Hive知识点案例同步为Hive3版本·优化Linux基础命令，删除了不常用命令·优化使用Python实现MR原理机制

·优化OLAP、OLTP区别·优化Hadoop版本安装及注意事项·优化Hadoop版本安装及注意事项·优化Hive版本为最新的3.1.2版本

·优化HIve3.x架构·优化PySpark执行流程，引入Py4J技术·优化车联网Web展示部分·优化车联网离线Hive数仓构建部分

·新增数仓整体设计图·新增技术选型设计图·新增项目原始数据库结构图

·新增油站维度·新增服务属性维度·新增物流公司维度·新增故障维度

·新增行程地理区域维度·新增组织机构维度·新增服务网点维度·新增数仓建模方法论·新增日期维度程序生成

·新增维度模型选型·新增自动创建hive表·新增自动创建hive分区·新增自动关联hdfs数据·新增自动导入oracle数据

·新增自动创建文件目录·新增记录自动化过程日志·新增java和数据结构大数据题目4个·新增算法题目4个·新增Hadoop题目6个

·新增hive题目3个·新增spark题目7个·新增flink题目4个·新增其他大数据组件题目4个·新增美团大数据架构

·新增Flume1.9数据采集方式·新增Flume采集MoMo数据集场景·新增实时和离线方式处理数据场景·新增SparkWebUI功能解释

·新增SparkSQL比重·新增StructedStream双流Join知识点·新增Spark多语言开发-JavaSpark和PySpark

·新增SparkMlLib-ALS推荐算法案例和原理·新增SparkMlLib-线性回归算法案例和原理·新增SparkMlLib-决策树算法案例和原理

·新增Spark3.0新特性·新增Spark性能调优九项原则、N多配置参数、数据倾斜、shuffle优化·新增IP查询案例

·新增教师案例Spark案例·新增DataStream、Window、Watermaker新版API使用讲解·新增FlinkSQL&Table理论部分比重，使用新版API·新增FlinkSQL整合Kafka案例·新增双流Join知识点和案例

·新增Execl数据分析，整合Execl图标、透视表等使用·新增Execl分析项目·数据仪表板展示·新增Tableau的BI分析工具及项目实战

·新增数据分析的Python语言·新增Python基础语法与高级特性·新增Python整合SQL的操作及案例·新增网络爬虫数据采集基础及案例

·新增Python高阶语法支持·新增Selenium自动化工具开发·新增多场景爬虫项目实战·新增Python的Numpy及Pandas数据分析框架

·新增Pandas数据清洗，数据整理及案例实战·新增Matplotlib等数据可视化操作及案例实战·新增Python机器学习原理理解，增加回归、分类及聚类·算法原理

·新增Python机器学习库Sklearn多任务实战·新增零售行业数据分析及挖掘项目案例·新增电商行业数据分析及挖掘项目案例

·腾讯聊天机器人·腾讯文字识别·python操作mycat·小程序开发

·django_extensions使用·axios网易案例·阿里云方案·django-channels使用

·pytest自定义插件使用·pytest异步调用·pytest定时执行·pytest标记使用

·Cookie和Session使用·Django类装饰器·Django多对多查询·Django关联查询

·推荐算法·数据可视化·sql数据查询·H5语法

·美多状态保持·Django框架请求对象获取数据·Django模版·Django拓展类

·asyncio编程·RabbitMQ的Confirm机制·RocketMQ使用·Celery定时任务

·Angular管道·Angular路由·Angular使用HTTP·Angular表单

·AntDesign·TypeScript类型断言制·TypeScript内置对象·TypeScript代码检查

·SQL查询·数据仓库·业务报表·Pandas

·机器学习排序算法·购物篮分析·RFM模型·K均值聚类算法

·物品画像·用户画像·召回算法·漏斗分析

·状态保持·权限管理·页面静态化·xpath工具

·极验验证·jieba分词·shell代码发布·对象存储

·ES集群搭建·IK中文分词·ES聚合查询·ES冻结解冻索引

·KafkaBroker集群·Topic模型·kafka数据备份·kafka消息持久化

·pandas的apply方法·pandas的transform方法·pandas的to_numeric函数·Pandas内置聚合方法

·elk日志监控·shell代码发布·ubuntu版本20.04·移动端测试

·mysql读写分离·reids哨兵·redis安全限制·Keepalived非抢占模式

·VIP脑裂·MyCAT使用·WA配置使用·redis持久化

·HACluster高可用集群·Keepalived使用·VRRP协议·nginx服务切换

·fastDFS使用·shell使用·docker使用·nginx使用

·cookie和session案例·mysql主从·mysql集群·redis主从

·Django用户权鉴·Django表单·Django-froms·Django站点管理

·Ansible使用·AWX使用·ceph使用·zabbix使用

·pyautogui使用·uiautomator使用·PO模式·mock测试

·Django转换器·Django用户认证拓展类·Django权限认证拓展类·Haystack搜索类

·python操作reids·redis高可用·redis集群搭建·redis持久化

·mysql事务使用·mysql主从搭建·mysql客户端使用·mysql外键操作

·mongodb聚合·mongodb索引·mongodb权限·常见反爬手段

·缓存击穿·缓存雪崩·雪花算法

·Locust性能测试shell编程·msyql数据库·redis缓存·

·redis集群·gitfollow工作流·定时爬虫·elk

·响应对象的处理·细化Cookie及Session的处理·链接失效的爬虫案例·美后台权限控制

·高性能爬虫·多线程爬虫案例·Flask-Migrate数据模型设计·智慧大屏案例

·UnitTest断言:比较断言，复杂断言·路由系统全线升级·数据图片化反爬·redis缓存

·Jmter图形监视器扩展插件·警告断言·异常断言·Jmter性能调试

·性能测试报告分析·新增分库访问·优化Fixtures的参数化·protometheus使用

·flask-sqlalchemy二次开发·数据解析-BeautifulSoup4·Jmeter分布式并发测试的配置·zabbix使用

·Jmeter实现参数化·数据库测试·实现跨线程组传值·lua基础

·自定义读写分离·认证体系·访问劫持·安全策略

·Redis悲观锁·布隆过滤器·文件安全·WAF实践

·搜索接口结构·elsticsearch使用·celerybug处理·rabbitMQ使用

·Locust关联·Locust断言·Locust各种业务场景下的参数化·pipeline使用

·更改Scrapy以及Scrapy-redis项目·Selenium知识点演示案例·redis哨兵机制·mysql主从搭建

·Pytest.mark·flask缓存工具类·多级缓存·mysql注入攻击

·禅道的不同角色使用·Mysql垂直拆分·Flask-SQLAlchemy的读写分离·Mysql水平拆分

·性能测试分类·性能监控指标·性能测试流程·celery使用

·定时抓取数据爬虫·Appium对APP数据的抓取·常见性能测试工具优化·Filebeat详解

·禅道的部署方式·django框架升级为2.25版本·美多详情页静态化·商品spu表结构

·美多商城缓存·elk日志监控·docker部署美多商城·shell代码发布

·等价类划分法演示案例·边界值法的演示案例·容联云发送短信·fastDFS图片上传

·Django自带单元测试模块·Mysql数据库教法调整·黑马头条缓存使用·dockerfile使用

·Locust性能测试·HttpLocust和Locust·TaskSetTaskSequence·seq_task

·商品模块代码进行了调整·Redis事务型管道·反爬案例·搜索方法优化

·新增字体反爬·Charles/fiddler抓包工具讲解·Redis非事务型管道·新增shell编程

·PO模型·Requests模块的使用·Get/Post等Http请求·试用例的设计方法

·黑马头条前端代码·分布式事务·美多商城前台改为前后端分离模式·admin后端管理站点讲解

·美多商城支付模块单元测试·Jmeter性能测试报告·TestCaseClientFactoryRequestMock·美多商城下单模块性能测试

课程名称

AI+Python大数据开发课程

2024.07.20

课程版本号

5.0

技术课程

Hadoop3.3，Spark3.4，阿里云Flink（FlinkCDC、FlinkCEP、FlinkSQL），Hudi，Doris，Starrocks，Paimon，ElasticSearch

AI+Python大数据开发V5.0课程全新升级，全面拥抱AI大模型，采用AI+编程助力数据开发提效，紧贴各类企业招聘需求，升级面向数据分析的AIAgent智能体实现高效数据开发，升级阿里云平台全套基于云平台的大数据技术栈，全程采用六项目制驱动技术学习，助力国家数字化转型对数字人才的大量需求。

V5.0五大课程优势

●AI大模型全程赋能，让数据分析更精准，开发更高效（1、AI提高学习效率：全部技术阶段融入AI编程；2、AI提高项目开发效率：全阶段项目融入AI编程；3、AI提高阅读代码效率：复杂Spark算子的底层源码解读；4、通过AI提高刷题效率：学员能够用使用AI大模型进行数据开发方向面试题问答，让刷题更高效）。

●多位Apache社区贡献者联袂授课，从原理、实战到源码，带你迈入高级开发工程师行列。

●课程覆盖企业级大数据六大主流解决方案，包括离线数仓解决方案、基于StarRocks统一数仓解决方案和基于云平台的湖仓一体解决方案、用户画像解决方案、推荐系统解决方案、数据治理解决方案，再现公司中真实的开发场景，目标不止于就业，而是成为各类企业争抢的大数据开发工程师。

●课程升级主流企业级数仓解决方案，包括基于StarRocks统一数仓解决方案和基于云平台的湖仓一体解决方案，不仅可以学习到企业真实完整的业务场景，将六大技术解决方案应用到黑马甄选泛电商业务中，能胜任企业级离线数仓、实时数仓、用户画像、推荐系统、数据治理等核心大数据开发工作。

●继V4.5版本推出黑马甄选离线数仓业务之后，V5.0版本增加了黑马甄选用户画像和推荐系统的全套解决方案课程，课程采用由浅入深,层层递进的讲解方式,让学生轻松掌握企业级用户画像系统的设计与开发全流程，项目使用的技术栈包括Spark、ES、Doris、SeaTunnel、Kafka均为时下主流的大数据技术，项目使用StructuredStreaming开发实时类标签，使用SeaTunnel做数据同步，使用ES和Doris存储结果数据及使用SparkMLlib开发推荐系统。该项目构建适合全场景的用户画像+推荐系统解决方案。

新增面向数据分析的AIAgent智能体实现高效数据开发，提升数据分析和查询效率。满足就业市场中数据工程师+AI大模型技能的需求，提升学生就业竞争力。

新增基于StarRocks统一数仓解决方案，提升数据分析和查询效率。满足就业市场中中高级数据工程师需求，提升学生就业竞争力。

新增基于云平台的湖仓一体解决方案，项目采用阿里云Flink结合Paimon,完成实时计算和流批一体存储，采用DataWorks+MaxCompute完成离线数仓开发，使用DataWorks完成数据治理等内容，该方案对各行业大数据平台建设都有极强借鉴意义。让学员具备基于阿里云DataWorks、MaxComputer及Flink等技术能力要求，增加学员的就业选择范围。

新增黑马甄选用户画像和推荐系统的全套解决方案课程，，采用大规模Spark机器学习和个性化推荐技术，达到企业级提供一站式推荐服务能力搭建平台，提升学生就业竞争力

优化Paimon、Hudi新技术，将技术应用到实时项目中，更加全面提升通过技术解决业务问题能力。

优化新版面试加强课，内容集成了大厂架构解析、SQL专项面试宝典，以及不断滚动更新的全网大数据岗位面试题讲解，助力学员高起点就业。

优化大数据BI报表开发项目实战阶段，通过Python+SQL+FineReport完成电商业务统计分析和大屏展示。

Python+大数据开发课程

2024.04.21

4.5

●Python大数据V4.5课程全新升级，紧贴各类企业招聘需求，升级阿里云平台全套大数据技术栈，全程采用六项目制驱动技术学习，助力国家数字化转型对数字人才的大量需求。

●课程覆盖企业级大数据六大主流解决方案，包括离线数仓解决方案、流批一体解决方案和湖仓一体解决方案、用户画像解决方案、推荐系统解决方案、数据治理解决方案，再现公司中真实的开发场景，目标不止于就业，而是成为各类企业争抢的大数据开发工程师。

●课程升级主流大数据技术栈，全新Hadoop3.3，Spark3.4，阿里云实时计算Flink技术剖析和新特性使用，推出黑马甄选业务的全套解决方案课程，不仅可以学习到企业真实完整的业务场景，将六大技术解决方案应用到黑马甄选泛电商业务中，能胜任企业级离线数仓、实时数仓、用户画像、推荐系统、数据治理等核心大数据开发工作。

新增数据治理解决方案，结合包括元数据管理、数据标准、指标系统、数据建模等在内的数据治理能力，聚焦企业数字化转型，深挖数据价值，提升企业数据生产力。满足就业市场中中高级数据工程师需求，提升学生就业竞争力。

新增多场景离线数仓项目解决方案，基于Starrocks数据库完成数仓的搭建，结合多场景的业务丰富学生对业务理解能力。

优化推荐系统解决方案，采用大规模机器学习和个性化推荐技术，达到企业级提供一站式推荐服务能力搭建平台，提升学生就业竞争力。

优化Paimon、StarRocks新技术，将技术应用到实时项目中，更加全面提升通过技术解决业务问题能力。

优化黑马甄选实时计算项目由阿里云实时计算Flink全栈开发，从FlinkCDC数据采集，Kafka实时数仓分层，Paimon数据湖构建湖仓一体架构，将数据接入Starrocks进行OLAP分析和查询，最后通过DataV完成企业级业务大屏展示。

2023.08.21

4.0

Hadoop3.3，Spark3.4，阿里云Flink（FlinkCDC、FlinkCEP、FlinkSQL），StarRocks，Paimon，ElasticSearch

●Python大数据V4.0课程全新升级，紧贴各类企业招聘需求，升级阿里云平台全套大数据技术栈，全程采用六项目制驱动技术学习，助力国家数字化转型对数字人才的大量需求。

●项目课程实施“讲A练B”与"看图说话"新模式,以思路分析为导向提高学员独立开发能力,并推动学员在逻辑思维与语言表达能力方向的持续提升,为学员在面试中以及在企业独立开发中打下坚实的基础

新增通过AIGC助力编程效率提升，完成数据开发和数据分析任务。

新增Paimon、StarRocks新技术，将技术应用到实时项目中，更加全面提升通过技术解决业务问题能力。

新增新版面试加强课，内容集成了大厂架构解析、SQL专项面试宝典，以及不断滚动更新的全网大数据岗位面试题讲解，助力学员高起点就业。

更新由ApacheFlink1.17课程升级为阿里云实时计算Flink版，通过阿里云全套大数据组件学习，贴近中小型企业大数据开发真实环境，提升学生就业竞争力。

新增黑马甄选实时计算项目由阿里云实时计算Flink全栈开发，从FlinkCDC数据采集，Kafka实时数仓分层，Paimon数据湖构建湖仓一体架构，将数据接入Starrocks进行OLAP分析和查询，最后通过DataV完成企业级业务大屏展示。

新增大数据BI报表开发项目实战阶段，通过Python+SQL+FineReport完成电商业务统计分析和大屏展示。

2023.01.01

3.2

主要使用开发工具

PyCharm，IDEA，DataGrip，FinalShell

●优势1：课程升级深度调研市场需求，针对行业解决方案：离线数仓解决方案、用户画像解决方案、湖仓一体解决方案，打造多行业多场景大数据开发工程师。

●优势2：6项目制，2大项目实战，新增PB级内存计算项目实战，应对企业级大数据开发工程师需求。

●优势3：研究院精心研发基于实时技术栈全新架构的出行行业和电商行业大数据项目，让学生具备更强项目经验要求。

●优势4：最短路径教会企业最实用的技术，案例练习促进吸收；每日作业夯实学习成果；阶段项目实战，学以致用。

新增基于Flink的悠游出行大数据平台

新增基于Flink的优购电商优选项目

新增用户画像解决方案项目，包含了新零售、电商、金融保险等多行业画像解决方案

升级Spark内存计算阶段项目实战

新增大数据Java语言基础，为Flink技术栈提供语言支持

新增SQL大厂面试题，贯穿课堂每日一练，提升SQL技术能力

新增Hudi数据湖，HudionHive构建湖仓一体架构

新增Python版NoSQL课程，达到企业级万亿级数据存储目标

新增Doris、ClickHouse多维数据分析

优化亿品新零售项目中数仓建模理论基础，强化数仓建模工具使用

优化车联网项目全新架构升级

优化Flink技术课程版本更新至1.16，丰富实时计算新特性

优化Spark技术课程版本更新至3.3.0，增加Spark新特性讲解

优化优化Hadoop模块，增强Hive模块

优化优化Python编程内容，为Spark提供语言支持

优化ETL项目增加从HDFS到Hive的数据抽取、转换、加载方式

优化ETL项目增加DataX数据采集

优化ETL项目增加ApacheDolphinScheduler调度全流程数据处理过程

优化Flink技术栈突出以FlinkSQL为主核心技术

2022.06.01

3.0

主要针对

技术课程：ETL开发、NoSQL中间件课程、新版Flink课程

PyCharm、DataGrip、FinalShell

●Python大数据V3.0课程全新升级，紧贴各类企业招聘需求，采用六项目制驱动技术学习，助力国家数字化转型对数字人才的大量需求

●多位Apache社区贡献者联袂授课，从原理、实战到源码，带你迈入高级开发工程师行列

●课程覆盖企业级大数据四大主流解决方案，包括离线数仓解决方案、用户画像解决方案、流批一体解决方案和湖仓一体解决方案，再现公司中真实的开发场景，目标不止于就业，而是成为各类企业争抢的大数据开发工程师。

●课程升级主流大数据技术栈，全新Hadoop3.2，Spark3.2，Flink1.15技术剖析和新特性使用，推出Python全栈ETL开发课程，不仅可以学习到完整的基础ETL流程、工具，更能胜任千亿级、亚秒级等复杂数据源情况下的工作。

●新增基于Python和SQL的Flink课程，满足就业市场中，大数据开发岗位更多的依赖SQL、Python的需求变化。

●新增基于Python的Kafka、Elasticsearch等全新课程，夯实实时计算开发基础能力，帮助学员掌握数据开发工程师重要技能。

●新增新版面试加强课，内容集成了大厂架构解析、SQL专项面试宝典，以及不断滚动更新的全网大数据岗位面试题讲解，助力学员高起点就业。

新增基于Python的全栈ETL开发课程，助力学员胜任ETL中高级开发岗位

新增全网基于PySpark技术栈的用户画像项目，替换原有旧项目，提升简历含金量

新增知行教育项目实战，学习完整企业级项目实战流程，让学生真正掌握大数据开发精髓

升级Spark技术课程为20223.2版本、Flink技术课程为20221.15版本，全网率先加入PandasonSpark数据开发内容

新增FlinkSQL湖仓一体项目、FlinkSQL流批一体课程，进阶Flink高阶工程师，助力突破年薪50W

新增SparkSQL底层执行原理，StructuredStreaming结构化流内容

升级Spark3.2整合Hive3.1.2版本兼容问题

新增Pandas_udf函数，通过ApacheArrow框架优化数据处理速度；Pandas技术栈，能够处理中小型数据量

新增Kafka-Python完成企业级消息队列流量削峰，异步通信等任务

新增ElasticSearch技术栈，达到企业级大数据搜索工程师目标

升级PySpark的DataFrame操作、Flink任务调度机制以及Flink内存模型、Flinktable&sql的整体概述

新增FlinkSQL的原理和调优、FlinkonYarn的多种部署方式、Flinktransformation的八大物理分区的原理和实现、Flink的window窗口操作，以及内置水印函数的操作

新增Hadoop3.x新特性、Hive3.x新特性，以及数据压缩、存储格式等内容

升级Python基础，增加PyEcharts等BI内容，实现可视化大屏

新增Presto对接多数据源实现企业级大数据OLAP分析、Presto加速对Hive数仓之上数据构建大数据分析引擎，实现多维指标计算

新增企业级BI工具FineBI，适用于多行业项目BI大屏展示，助力企业数字决策

新增Flinktable&sql概念和通用api介绍、sqlclient工具的使用、catalogs知识点的学习、流处理中的概念介绍

新增FlinkSQL中的窗口使用、FlinkSQL函数操作、Flinksql连接到外部系统

新增Flink源码前置基础、源码的编译和部署、Flink启动脚本的解读、yarn-per-job模式解析

升级车联网Web展示部分、车联网离线Hive数仓构建部分

2021.06.01

2.0

新零售数仓项目、云上服务器集群

●经过不断的版本迭代，正式推出新零售数仓项目课程，替换原有的旧项目，打造过硬的项目实战经验

●新增价值百万的UCcloud云上集群生产环境用于学习，完全云服务开发环境体验

●新增项目实战环节，再现企业中真实工作场景，夯实开发实战能力

升级PySpark执行流程

新增Spark3.x新特性以及性能调优九项原则

升级Hive版本为新的3.x版本

新增自动导入oracle数据，自动创建hive表，自动创建hive分区，自动关联hdfs数据，自动创建文件目录，并记录自动化过程日志

升级Flink版本为新版

新增FlinkSQL&Table理论部分比重，使用新版API，使用新增FlinkSQL整合Kafka案例

新增flink的globalwindow的操作、内置水印函数的操作

升级flink的window的ReduceFunction、AggregateFunction、ProcessWindowFunction、具有增量聚合的ProcessWindowFunction、在ProcessWindowFunction中使用每个窗口状态

新增flink的state的ttl机制、state的数据结构的api升级、QueryableState知识点

新增Flink异步io的vertx框架实现、flink的join操作（TumblingWindowJoin、SlidingWindowJoin、SessionWindowJoin）

新增StreamingFileSink连接器的小文件操作

新增数据类型及序列化的原理和实现案例

2021.01.01

1.6

Spark3.x

Pycharm、Idea、Datagrip、FinalShell

●针对Spark3.x版本的重大更新，应对就业岗位需求的快速变化，大数据课程推出基于Python的Spark课程

●新增大数据工程师必备的SQL面试进阶强化内容，提升大数据开发工程师核心SQL能力

●新增大厂数仓架构专题内容，提升数据仓库建设能力

升级Hadoop为3.3.0版本、Hive版本为3.1.2版本、HIve3.x架构

新增使用Python实现MR原理机制、OLAP、OLTP区别

新增MapReduce计算PI原理、MapReducePython接口调用、HadoopStreaming提交程序、ETL、ELT区别

新增HIve3新特性、Hive3数据压缩，存储格式、HiveCTE表达式

升级union联合查询、Hive知识点案例同步为Hive3版本、Linux课程、MysqlRPM安装方式以支持hive3

升级Spark语言为官方推荐使用的Python语言、版本更新为Spark3.1.2发行版、adoop3.3.0、Hive3.1.2版本

新增PySpark的安装、任务提交方式、多种模式spark-submit、实现wordcount案例实战

新增Python实现RDD操作、DataFrame操作、实现Sougou分词案例、IP热度分析案例、PV-UV-TOPK案例

新增PySparkSQL实现基础统计操作、底层Dataframe转化RDD原理操作、实现电影评分数据集分析、离线教育案例、新零售分析案例

新增PySparkSQL的优化方式、分布式引擎实现、与HIve整合

2020.06.01

1.0

大数据引入Python语言、Pandas数据分析

Pycharm、Idea、Datagrip

●8.1版本以前的数据开发课程，需要一定Java基础和工作经验，为了帮助进入数据开发行业的零基础学员找到适宜的入门途径，大数据引入Python语言，全新升级为Python+大数据开发1.0版本。

●学习Python大数据开发，以Python技术栈处理中小型数据集，以大数据技术栈处理海量大规模数据，成为全能企业级数据开发人才。

●其特点适合零基础学员，从完全没有编程经验开始；课程内容宽并且深，技术大牛亲自授课；面向市场，学即可用，能让学员高薪就业。

新增Python基础语言课程

新增Python高级语言进阶课程

新增Python爬虫课程

新增Pandas数据分析课程

新增多场景案例分析，应对中小型数据统计分析

云计算大数据实战班

2020.01.01

8.0

主要针对系统

Windows、Linux、MacOS

DataGrip、IDEA

●根据大量的行业调研分析，本次课程更新以大数据开发为主线，在7.0基础上再次缩减Java课程占比，弱化各类组件安装。

●针对大数据技术深度和广度进行升级，例如新增Spark内存管理、Flink性能优化及反压、背压原理等同时为提高学员的就业薪资，推出多行业项目解决方案，例如证券、物流等。

●以周为单位进行课程更新升级，新增ElasticStack、出行、电商、视频、社交等领域大数据解决方案、一线大厂技术架构、新零售大数据项目实战，离线实时全覆盖。

新增数据仓库、ETL、BI开发

新增Oracle及PLSQL编程、数据微服务开发

新增Spark的内存管理、avro序列化数据源

新增continuousprocessing、偏移量管理机制

新增KafkaStreams编程、exactly-once、Kafka事务、metrics监控

新增Hbase的协处理器和phoneix的二级索引实现、布隆过滤器、LSM树、StoreFiles结构剖析

新增FLink性能优化及反压、背压指标计算原理、FlinkSQLOnHive、FlinkHistoryServer、Flink的UDF、UDAF、UDTF的实现

新增在线教育行业、物流行业、物联网行业、证券行业项目

升级分布式缓存系统，万亿级NoSQL海量数据存储，分布式流处理平台、电商行业项目

删除删减JavaWeb

2019.07.22

7.0

主要针对版本

CDH5.14、Spark2.2.0、Flink1.8、Kafka0.11.0.2、ELK6.0

IntelliJIDEAA

●大数据技术目前在企业里面使用的越来越广泛，对大数据人才的需求越来越多，大数据的整个课程体系是由来自大型互联网、外企等具有5年以上的一线大数据高级工程师、架构师和高级机器学习工程师设计出来的，内容含金量非常高。

●课程体系涉及的技术以企业需求为导向，课程涉及的项目也是企业里面真实的项目，通过理论、实践和真实的项目相结合，让学员能够快速、深刻的掌握大数据常用的核心技术和开发应用，同时可以满足企业对中、高端大数据人才的需求。

●大数据课程体系除了包含常用的Hadoop、Hive、Hbase、ELK、Sqoop、Flume、Kafka、Spark等技术和项目，还新增了目前互联网比较流行的Flink、Druid、Kylin等技术和项目，同时引入了机器学习和深度学习SparkMllib和Tensorflow等技术和项目实战。

新增Impala即席查询组件、Kudu列存储服务、StructuredStreaming结构化数据流处理

新增sparkMLlib数据挖掘、sparkgraphX图计算

升级Flink的基础课程和案例实战

新增Flink高级特性CEP、Kylin数据OLAP分析、Druid时序数据实时分析、Kettle数据ETL工具

新增深度学习框架Tensorflow

新增用户画像、数据仓库大型企业实战型项目

2018.09.10

6.0

JDK1.8\CDH2.7.4\Storm1.1.1\Spark2.1

IntelliJIDEA

●本课程是基于V5.0的一次重大更新，汇总并收集了大数据学科一年以来15个零基础班级的授课信息、学习信息、就业信息。

●重新调整了课程的分布情况，新增了大数据综合项目，新增了第四代大数据处理框架FLink，新增了数据库优化，新增了JVM基础及原理，新增了Spark性能调优等内容。

●整体而言，课程在培养中高级大数据工程师的方向上又前进了一大步。

新增Hadoop2.7.2\Storm1.1.1\Spark2.1

新增Javavirtualmachine原理分析、Java高并发核心知识

新增数据库优化及调优、第四代大数据处理框架ApacheFlink、Spark原理深入剖析及生产调优

升级用户画像概述/数据/建模/算法实战、推荐系统协同过滤算法实战、基于内容的推荐系统实战、基于关联规则推荐系统实战

升级混合推荐与CTR点击预估

升级Hadoop版本为CDH

2017.07.01

JDK1.8\Hadoop2.7.2\Storm1.1.1\Spark2.1

Eclipse、IDEA

●Java基础、JavaWeb核心编程、JavaWeb三大框架、网络爬虫、分布式电商网站开发等课程模块。培养学生编程能力，让零基础学员能够更好的学习大数据项目。

●大数据方面方面，新增点击流日志收集系统、用户日志分析报表系统、用户画像系统等案例。让学员不仅仅学习到大数据技术点，能够使用大数据解决实际问题。

●扩充机器学习课程为10天。该课程历时一年研发，深入浅出，能够让学员更好的入门机器学习，成为人工智能开发的初级工程师。

升级Hadoop2.7.2\Storm1.1.1\Spark2.1

新增网络爬虫开发

新增三大框架开发

新增JavaWeb核心

新增Java语言基础

2016.03.01

JDK7.x

●对比原有课程，本次课程做了重大更新，将大数据的核心技术hadoop及其生态圈技术完美的融入到了课程中。

●课程分阶段的进行案例实战和项目实战，在大数据方面知识体系更加完整，课程更加深度有深度，更加贴近实战。

●分阶段的进行大数据生态圈的学习，将生态圈分为离线处理，实时流计算和实现火热的spark内存计算，完美的将生态圈进行了抽离和归类，让学习变得更便捷。

升级Spark1.6版本

新增Linux操作系统和shell脚本学习

新增JVM内存模型分析、NIO、Netty、自定义RPC框架

新增电商点击流日志分析、电商实时日志告警平台、交易风控风控平台、流量日志分析分析

新增Spark游戏日志分析项目

删除KVM虚拟化技术、网络基础和OpenvSwitch技术、Ceph存储技术

删除CloudStack云管理平台、混合云管理平台项目

2015.05.15

●在虚拟化方面，选择了在云计算领域常用的虚拟化、网络、存储等技术，并通过ApacheCloudStack技术整合，在此基础上开发混合云管理平台。

升级Hadoop2.0版本、Hive优化课程

新增电信流量运营分析项目、混合云管理平台项目

新增Scala函数式编程、Spark内存计算、KVM虚拟化技术

新增网络基础和OpenvSwitch技术

新增Ceph存储技术、CloudStack云管理平台

2014.02.15

JDK6.x

Eclipse

升级云计算课程、Hadoop集群部署、优化HDSF、MapReduce案例

新增Storm实时计算技术和案例

新增黑马论坛日志分析项目

2012.02.15

JDK6.0

●近期云计算概念火爆异常，传智教育敏锐的嗅探到大数据技术的悄然兴起，并预测大数据技术将会像雨后春笋一样快速发展，所以传智教育与时俱进在课程中引入了1天的云计算课程，作为拥有大数据课程的培训机构，传智教育大数据实战班助力学员可以掌握新的技术，拓宽学员的就业方向，增强就业竞争力。

新增Hadoop1.0伪分布式环境部署

新增HDFS、MapReduce应用案例

源源不断引进大厂技术大牛，专业研发课程升级、迭代，与企业需求实时接轨

教师录取率<3%，从源头把控师资，带你过关斩将掌握每一个知识点

用数据驱动教学，贯通教/学/练/测/评，为每一位学员私人定制学习计划和就业服务

学前入学多维测评

学前目标导向式学习

学中随堂诊断纠错

学中阶段效果测评

学后在线作业试题库

学后问答社区查漏补缺

保障BI报表数据呈现

就业面试指导就业分析

就业流程全信息化处理

学员能力雷达图分析

定制个性化就业服务

技术面试题讲解

就业指导课面试项目分析

HR面试攻略

模拟企业真实面试

专业简历指导

面试复盘辅导

风险预警企业黑名单提醒

老学员毕业后即可加入传智汇精英社区，持续助力学员职场发展

THE END

Python培训北京Python培训班好口碑Python培训机构

python画雪花的代码怎么写问答

java樱花飘落代码java樱花飘落代码开源代码

图解算法(二):雪花算法(6k字附代码实现+主流方案对比)本篇文章将会对比MySQL自增主键vsUUIDv

Python培训北京Python培训班好口碑Python培训机构

Live2D类手游排行榜华为手机Live2D游戏大全