煤礦安全生產(chǎn)三維仿真庫(kù)通過(guò)使用最新三維動(dòng)畫(huà)模擬技術(shù)制作,以影視動(dòng)畫(huà)方式再現(xiàn)煤礦職工井上、井下作業(yè)過(guò)程和生活場(chǎng)景。“煤礦安全生產(chǎn)三維仿真庫(kù)之事故案例集一”高精度、高仿真性直觀展示最近幾年來(lái)煤礦職工井下生產(chǎn)過(guò)程中發(fā)生的機(jī)電事故(共7起)、頂板事故(共9起)、通風(fēng)事故(共2起)、瓦斯事故(共4起)、水害事故(共5起),系統(tǒng)的總結(jié)了煤礦易發(fā)、常見(jiàn)事故的產(chǎn)生原因和發(fā)展規(guī)律,對(duì)如何遏制煤礦各類(lèi)事故的發(fā)生提出了有效的防治對(duì)策。
煤礦安全生產(chǎn)三維仿真庫(kù)通過(guò)使用最新三維動(dòng)畫(huà)模擬技術(shù)制作,以影視動(dòng)畫(huà)方式再現(xiàn)煤礦職工井上、井下作業(yè)過(guò)程和生活場(chǎng)景。“煤礦安全生產(chǎn)三維仿真庫(kù)之事故案例集二”高精度、高仿真性直觀展示最近幾年來(lái)煤礦職工井下生產(chǎn)過(guò)程中發(fā)生的機(jī)電事故(共10起)、爆破及爆炸事故(共4起)、火災(zāi)事故(共4起)、其他事故(共5起),系統(tǒng)的總結(jié)了煤礦易發(fā)、常見(jiàn)事故的產(chǎn)生原因和發(fā)展規(guī)律,對(duì)如何遏制煤礦備類(lèi)事故的發(fā)生提出了有效的防治對(duì)策。
本片通過(guò)最鮮明的實(shí)例和最直觀的教育,來(lái)提高煤礦從業(yè)人員的安全生產(chǎn)意識(shí),可作為煤礦企業(yè)區(qū)隊(duì)班組在班前、班后會(huì)上進(jìn)行安全事故警示教育的生動(dòng)視頻教材,也可作為煤礦安全培訓(xùn)教學(xué)的課件使用。
模塊1 大數(shù)據(jù)概論
1.1 大數(shù)據(jù)的定義 2
1.2 大數(shù)據(jù)的特征 2
1.3 大數(shù)據(jù)的產(chǎn)生及發(fā)展 3
1.4 大數(shù)據(jù)的應(yīng)用場(chǎng)景 3
1.5 大數(shù)據(jù)生態(tài)系統(tǒng) 4
1.6 知識(shí)拓展 6
1.7 任務(wù)自測(cè) 6
模塊2 Hadoop 基礎(chǔ)知識(shí)
2.1 Hadoop 概述 8
2.2 Hadoop 生態(tài)系統(tǒng) 8
2.3 知識(shí)拓展 9
2.4 任務(wù)自測(cè) 10
模塊3 HDFS 分布式文件系統(tǒng)
3.1 HDFS 介紹 12
3.2 HDFS 體系架構(gòu) 13
3.3 HDFS 存儲(chǔ)原理 14
3.4 HDFS 讀寫(xiě)流程 15
3.5 安裝虛擬機(jī)軟件與虛擬機(jī) 17
3.6 安裝遠(yuǎn)程連接工具 26
3.7 安裝JDK 30
3.8 任務(wù)實(shí)施 31
3.9 知識(shí)拓展 47
3.10 任務(wù)考評(píng) 50
3.11 任務(wù)實(shí)訓(xùn) 50
3.12 任務(wù)自測(cè) 51
模塊4 YARN 資源管理調(diào)度框架
4.1 YARN 介紹 54
4.2 YARN 體系結(jié)構(gòu) 55
4.3 YARN 的工作流程 57
4.4 YARN 調(diào)度器 58
4.5 任務(wù)實(shí)施 59
4.6 知識(shí)拓展 67
4.7 任務(wù)考評(píng) 68
4.8 任務(wù)實(shí)訓(xùn) 69
4.9 任務(wù)自測(cè) 70
模塊5 MapReduce 分布式并行計(jì)算框架
5.1 MapReduce 介紹 72
5.2 MapReduce 體系架構(gòu) 73
5.3 MapReduce 的工作流程 74
5.4 任務(wù)實(shí)施 74
5.5 知識(shí)拓展 75
5.6 任務(wù)考評(píng) 76
5.7 任務(wù)實(shí)訓(xùn) 77
5.8 任務(wù)自測(cè) 77
模塊6 Zookeeper 分布式服務(wù)協(xié)調(diào)框架
6.1 ZooKeeper 介紹 80
6.2 ZooKeeper 體系架構(gòu) 80
6.3 ZooKeeper 的工作流程 81
6.4 ZooKeeper Shell 常用命令 81
6.5 任務(wù)實(shí)施 84
6.6 知識(shí)拓展 86
6.7 任務(wù)考評(píng) 88
6.8 任務(wù)實(shí)訓(xùn) 88
6.9 任務(wù)自測(cè) 89
模塊7 數(shù)據(jù)采集工具
7.1 數(shù)據(jù)采集工具概述 92
7.2 Sqoop 介紹 92
7.3 Flume 介紹 92
7.4 DataX 介紹 93
7.5 任務(wù)實(shí)施 93
7.6 知識(shí)拓展 102
7.7 任務(wù)考評(píng) 102
7.8 任務(wù)實(shí)訓(xùn) 103
7.9 任務(wù)自測(cè) 103
模塊8 Hive 分布式數(shù)據(jù)倉(cāng)庫(kù)
8.1 Hive 簡(jiǎn)介 106
8.2 Hive 體系架構(gòu) 107
8.3 Hive 的運(yùn)行機(jī)制 108
8.4 Hive 的重要概念 109
8.5 任務(wù)實(shí)施 113
8.6 任務(wù)考評(píng) 118
8.7 任務(wù)實(shí)訓(xùn) 118
8.8 知識(shí)拓展 119
8.9 任務(wù)自測(cè) 120
模塊9 HBase NoSQL 數(shù)據(jù)庫(kù)
9.1 HBase 簡(jiǎn)介 124
9.2 HBase 數(shù)據(jù)模型 124
9.3 HBase 體系架構(gòu) 125
9.4 HBase 的運(yùn)行原理 127
9.5 任務(wù)實(shí)施 128
9.6 知識(shí)拓展 144
9.7 任務(wù)考評(píng) 148
9.8 任務(wù)實(shí)訓(xùn) 148
9.9 任務(wù)自測(cè) 149
模塊10 Kafka 分布式消息隊(duì)列
10.1 Kafka 簡(jiǎn)介 152
10.2 Kafka 體系架構(gòu) 152
10.3 Kafka 的運(yùn)行機(jī)制 153
10.4 任務(wù)實(shí)施 153
10.5 知識(shí)拓展 166
10.6 任務(wù)考評(píng) 167
10.7 任務(wù)實(shí)訓(xùn) 167
10.8 任務(wù)自測(cè) 168
模塊11 Spark 分布式計(jì)算框架
11.1 Spark 簡(jiǎn)介 170
11.2 Spark 技術(shù)架構(gòu) 171
11.3 任務(wù)實(shí)施 172
11.4 知識(shí)拓展 182
11.5 任務(wù)考評(píng) 183
11.6任務(wù)實(shí)訓(xùn) 183
11.7 任務(wù)自測(cè) 184
模塊12 流計(jì)算框架
12.1 流計(jì)算框架概述 188
12.2 Flink 流處理框架 189
12.3 Spark Streaming 流處理框架 190
12.4 任務(wù)實(shí)施 191
12.5 知識(shí)拓展 203
12.6 任務(wù)考評(píng) 204
12.7 任務(wù)實(shí)訓(xùn) 204
12.8 任務(wù)自測(cè) 205
參考文獻(xiàn) 207