第1课 实时计算当前应用

    1.1 何为实时计算系统？

    1.2 实时计算与日常生活

    1.3 实时计算在日常工作

    1.4 当前主流实时计算框架

         1.4.1 Storm/Jstorm

         1.4.2 Spark Streaming

     1.4.3 底层技术

    1.5 当前实时计算在企业应用

         1.5.1 实时计算在一线互联网企业

         1.5.2 实时计算在传统企业与初创企业

第2课 构建属于自己的轻量级实时计算框架

     1.1 实时计算演变

     1.1.1 简易版

     1.1.2 升级版

     1.1.3 升级版应用案例

     1.2 构建个人终极实时计算框架

          1.2.1 总体逻辑架构

          1.2.2 总体物理架构

          1.2.3 要点难点

第3课 实时计算框架—数据流实时接收篇

     3.1 当前主流MQ

          3.1.1 RabbitMQ

          3.1.2 Kafka

     3.2 实时数据流处理方式

          3.2.1 单条

          3.2.2 Mini- Batch

     3.3 应用实例

      实时接收新闻APP的用户行为数据、入库并同时更新用户画像标签权重

第4课 实时计算之底层服务通信

     4.1 当然热门RPC

          4.1.1 Thrift

        架构、数据类型、传输协议及传输和服务方式

        分词服务实例：java-python

          4.1.2 Avro

        序列化/反序列化实例

        RPC服务实例: java-2-java之helloworld

     4.2 WebService

         4.2.1 基于Jetty嵌入式的轻量级WebService实例

第5课 实时计算框架——SpringBoot和资源管理Zookeeper

      5.1 轻量级WebService: SpringBoot

      简介

      SpringBoot VS SpringMVC

          快速开发(base on Version1.5.9)

          SpringBoot vs Jetty嵌入式WebService

          实际项目演练

      5.2 资源管理—zookeeper

          简介

      Zk安装启动(base on Version3.4.11)

      ZK之Web管理工具zkdash

      客户端Curator：CRUD及监听

      实际项目演练

第6课 实时计算之任务调度及任务拆分独立计算

      6.1 任务调度

      Linux Crontab

      Quartz

      JDK自身Timer

      实际项目演练

      6.1 任务拆分独立计算

          Map/Reduce

      Fork/Join

      Map/Reduce VS Fork/Join

      实际项目演练

第7课 实时计算框架之高可用及服务监控

      7.1 服务高可用

      7.1.1 QPS/TPS

      7.1.2 异步并行执行

      7.1.3 多级缓存

          7.1.4 Shard/replica

      7.2 服务监控

           7.2.1 服务所在硬件监控

           7.2.2 服务实时健康状况监控

           7.2.3 服务降级

第8课 实时计算框架之缓存篇

       8.1 网络缓存:

       8.1 redis/ssdb/memcachedb

       8.2 Redis4.0安装及新特性

       8.3 Redis客户端使用

       8.2 本地缓存:

       8.2.1 GuavaCache

       缓存清理策略

        两种使用方式

       8.2.2 MapDB简介及使用

第9课 个性化推荐系统之常用算法

       9.1 内容相似

       9.1.1 常用分词器

       9.1.2 内容相似算法

       9.2 关联规则

       9.3 协同过滤： UserCF和ItemCF

       9.4 知识图谱

           9.4.1 前世今生

       9.4.2 Neo4J

       9.4.3 OrientDB

       9.5 主题模型

       9.5.1 词义扩展：w2v、 d2v

       9.5.2 层级聚类

第10课 深度学习DLJ和用户画像

       10.1 深度学习框架DL4J

        10.1.1 简介及Java使用

        10.1.2 模型训练：w2v和d2v

        10.1.3 使用训练好的模型：w2v和d2v

       10.2 用户画像组成

        10.2.1 用户画像直观形象

        10.2.2 不同维度看待

        10.2.3 画像存储

第11课 个性化推荐之用户画像实时更新

       11.1 实时个性化推荐服务

        11.1.1 user-feature

        11.1.2 doc-feature

        11.1.3 二次排序

       11.2 用户画像实时更新流程

        11.2.1 正负反馈

        11.2.2 时间衰减：牛顿冷却定理

        11.2.2 实时兴趣标签权重更新

第12课 高可用搜索服务系统之索引篇

       12.1 ES vs Solr

            12.1.1 DBEngines排名比较

            12.1.2 综合比较

       12.2 最新ES6.X介绍

            xpack

            head

            bigdesk

            new feature

       12.2 海量索引拆分:背景及解决方案

       12.3 多集群索引双写同步

第13课 高可用搜索服务系统之查询篇

       13.1 高可用搜索服务

        ES集群健康状况监测

        双ES集群互备

            搜索服务之双读

            索引拆分后高效使用

       13.2 个性化搜索

        条件过滤查询

        关键词检索、结合知识图谱

        个性化搜索：相同搜索条件，不同返回结果

        实时计算用户画像

1. 有自己应对实时计算需求的解决方案，不再盲从跟众，有自己独到见解。

2. 对实时计算涉及底层技术都能基本使用；

3. 对当前个性化推荐及搜索有整体认识；

1、 学习方式：老师发布教学资料、教材，幻灯片和视频，学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。

2、 学习作业：每课均有布置课后作业，学员完成书面作业后则可进入下一课学习。

3、 老师辅导：通过论坛站内信及邮件等多种方式与老师进行一对一互动。

4、 完成课程：最后一课作业交纳后，老师完成作业批改，即可完成课程并取回相应剩余的逆向学费。