大數據離線實戰項目

項目名稱：新浪微博數據分析系統
日均數據體量：3GB+
硬件環境：Hadoop集群 50臺
軟件環境：MapReduce+HBase0.98.9+Storm0.9.6+Hadoop2.5.2+Kafka2.10+Zooke
eper3.4.5+CentOS-6.5-X86
項目描述：
此次項目我們需要處理微博產生的數據，通過對數據的處理得到所需的數據，微博擁有大量的用戶，大量的用戶潛在的價值是巨大，怎么挖掘這些潛在的寶藏就是我們項目最直接的目的，為了能夠實時的進行數據處理使用Storm流式計算系統，和HBase、Zookeeper、Kafka組成框架，對數據進行處理，當然這些都是建立在hadoop集群上實現的，底層的存儲還是HDFS。

大數據實時全真項目

項目名稱：網絡流量流向異常賬號統計項目
數據體量：每天1000億，每秒峰值100 000
硬件環境：Hadoop集群 600臺
軟件環境：Hadoop2.5.2+Hive1.2.1+MR+Oracle10g
項目描述：
運營商骨干網上采集現網流量流向信息，根據這些原始信息檢測賬號是否存在異常，如果多個終端使用同一個寬帶賬號，超過一定閾值則觸發報警機制，例如閾值為5時，同一個賬號同時連接的終端數量不能超過該值，如果超過則報警。

Spark階段項目

項目名稱：京東網上商城數據統計分析平臺
數據體量：5000W+/日
硬件環境：centos-6.5-x86 集群：spark standalone(Master-1,Worker-3)
軟件環境：hadoop,spark,hive,mysql,idea,navicat,kafka,flume
每日處理的數據量：3GB
項目描述：
基于京東網上商城數據統計分析平臺--該項目采用了目前大數據領域非常流行的技術——Spark。本項目使用了Spark技術生態棧中最常用的三個技術框架，Spark Core、Spark SQL和Spark Streaming，進行離線計算和實時計算業務模塊的開發。實現了包括:統計和分析UV、PV、登錄、留存、熱門商品離線統計、廣告流量實時統計3個業務模塊。