欢迎学习云计算应用课程，这是两门课程系列的第二部分，旨在让您全面了解云计算和大数据世界！在第二门课程中，我们将继续学习云计算应用，探讨云计算如何为海量数据（静态数据或高速流数据）的数据分析开辟道路，这些数据代表着种类繁多的信息。云计算应用和数据分析代表着社会获取和使用信息方式的颠覆性变革。第一周开始，我们将介绍一些主要的数据分析系统，包括 Spark 以及 Hortonworks、Cloudera 和 MapR 等主要的分析应用框架和发行版。第一周中期，我们将介绍 HDFS 分布式健壮文件系统，该系统被用于 Hadoop 等许多应用程序中，第一周结束时，我们将探索强大的 MapReduce 编程模型，以及 YARN 和 Mesos 等分布式操作系统如何支持灵活、可扩展的大数据分析环境。在第二周，我们的课程将介绍大规模数据存储，以及在使用大量处理器、内存和磁盘的巨大存储中达成共识的困难和问题。我们将讨论最终一致性、ACID 和 BASE 以及数据中心使用的共识算法，包括 Paxos 和 Zookeeper。我们的课程介绍了分布式键值存储和内存数据库（如数据中心中用于提高性能的 Redis）。接下来，我们将介绍 NOSQL 数据库。我们将访问 HBase，这是一种可扩展、低延迟的数据库，可支持使用 Hadoop 的应用程序中的数据库操作。然后，我们再次展示 Spark SQL 如何对海量数据进行 SQL 查询编程。在第二周的最后，我们将介绍使用 Kafka 的分布式发布/订阅系统，Kafka 是一种分布式日志消息系统，在连接大数据和流应用程序以形成复杂系统方面得到广泛应用。第三周转向快速数据实时流，介绍在雅虎等行业广泛使用的 Storm 技术。我们将继续学习 Spark Streaming、Lambda 和 Kappa 架构，并介绍流媒体生态系统。第四周的重点是图形处理、机器学习和深度学习。我们将介绍图处理的理念，并介绍 Pregel、Giraph 和 Spark GraphX。然后，我们以 Mahout 和 Spark 为例，介绍机器学习。举例说明了 Kmeans、Naive Bayes 和 fpm。Spark ML 和 Mllib 将继续以可编程性和应用程序构建为主题。第四周的最后一个主题将介绍深度学习技术，包括 Theano、Tensor Flow、CNTK、MXnet 和 Spark 上的 Caffe。