第一阶段：Java基础与Java17新特性

• 编程语言发展史与Java环境搭建、Java的基本组成
• Java运算符、Java工具类(随机数与键盘输入)
• 综合练习
• JAVA语言基础-方法深入
• 面向对象编程类与对象与内存分析 、封装、继承
• 变量简介和标识符和数据类型
• 控制语句-顺序结构选择结构循环结构、关键字continue与关键
• 方法的定义与方法的递归、斐波那契数列与大兔生小兔练习
• JAVA语言基础-数组精讲
• 面向对象编程-this 成员方法 static

• 面向对象编程-package与import 、final
• 面向对象编程-封装性javabean与经典MVC思想
• 面向对象编程-异常体系与自定义异常
• API使用-字符串、StringBuffer类、Object类
• IO流-文件流和缓冲流
• 面向对象编程-继承性super与重写、重载
• 面向对象编程-多态性与接口 抽象类与内部类
• 面向对象编程-JAVA13新特性Lambda与方法引用、Stream
• API使用-包装类、 日期类、枚举
• IO流-文件拷贝、对象流与Commons-io

第二阶段：Oracle数据库+ORM+面试题

• 容器-List与Set 手动实现ArrayList
• 容器-工具类Collections、 List与比较器
• 反射reflection与注解annotation
• 死锁、生产者消费者模式、线程池
• 网络基本通讯原理 Socket TCP与UDP编程
• 容器-Map与Properties
• JAVA正则表达式原理与应用
• 多线程-定义、状态控制语同步
• XML编写规则与应用、 DTD规范 Dom4j XML生成和解析
• URLConnection简易爬虫应用

• 数据库原理、 MySQL安装与配置、库与表及字段
• DQL之单表、函数、 视图
• 项目需求分析、数据库设计、SQL实现
• 存储过程介绍与使用步骤
• 游标与循环建表
• SQL-DML DDL DCL
• DQL之多表查询
• JDBC及其常用案例开发
• 存储过程变量赋值与流程控制
• 存储过程的优化

第三阶段：Java互联网开发工具与Spring全家桶

• 网页开发的规范与基础： HTML5
• JS深入理解：基础语法-变量-数据类型
• JS深入理解： BOM对象 javascript
• JQuery初体验：JQuery的基本语法和使用
• 简单且功能强大的前端框架： BootStrap
• 网页开发的规范与基础 ：CSS3
• JS深入理解 ：函数、对象
• JS深入理解： DOM对象、表单
• JQuery灵活应用：实例分析、Ajax异步无刷新技术
• 开源的模块化前端 UI 框架： Layui

• 主流开源项目管理工具： Maven
• 框架的前生： HTTP、Tomcat、Servlet标准
• Servlet的高级特性：过滤器和监听器
• Freemarker概念&特点&环境配置&数据类型
• Spring5框架发展&模块划分&IOC对象实例化
• 开放源代码的版本控制系统 ：SVN
• Servlet的深入：请求/响应对象、会话跟踪技术
• 动态网页技术：JSP的基础使用
• Freemarker常见指令&内置函数&页面静态化
• IOC对象装配&集合装配&扫描器&作用域

• 动态代理实现&AOP概念&专有名词
• 整合Mybatis实现持久层数据基本维护、Spring5 事务控制概念&传播特性
• SpringMVC请求转发重定向、Json配置、拦截器
• SpringMvc前后端分离开发Restful接口规范、URL绑定机制
• SpringBoot数据校验机制、本地缓存Ehcache技术、异常处理、单元测试
• AOP使用两种方式_XML&注解&邮件发送
• MVC核心思想、SpringMVC框架特点、请求原理&环境配置
• SpringMvc企业文件上传、企业SSM集成、全局异常统一处理
• SpringBoot框架特点、优势&核心配置、坐标和自动化配置
• SpringBoot热部署技术、定时调度技术、API接口文档生产力工具Swagger2

第四阶段：企业级CRM SaaS平台开发

• 企业级项目CRM系统概念、系统分类、模块划分 、表结构
• 系统营销模块、营销机会模块业务分析、表结构& 功能实现
• 权限管理-角色管理功能实现
• 权限管理-角色管理-权限认证功能分析
• 权限管理-权限的分配与撤销
• 项目环境搭建、系统用户登录、非法请求拦截、全局异常统一 处理
• 系统营销模块、客户开发计划业务分析、表结构&功能实现
• 权限管理-角色管理-角色授权功能分析
• 权限管理-资源管理-资源功能分析&功能实现
• 权限管理-按钮权限控制

• 客户管理表结构分析与代码实现
• 客户流失管理分析、流失规则分析
• 流失规则功能实现流程总结
• 字典维护表结构分析与功能实现
• Linux系统特点、 Nat模式静态ip、常用命令
• 客户订单编辑、订单自动跟踪机制
• 客户流失管理功能实现、流失客户定时调度实现
• 客户服务表结构分析与功能实现
• 统计报表-Echarts与HighCharts
• JDK8、 MySQL8、Tomcat8安装与企业项目部署

第五阶段：云E办前后端分离项目开发

• Redis 企业实战问题业务分析
• 项目介绍与环境搭建
• 功能开发：集成Swagger2、验证码功能
• 功能开发：权限设计与鉴权
• 功能开发：薪酬管理
• 高性能HTTP和反向代理web服务器： Nginx
• 登录功能 ：Spring Security + JWT登录开发
• 功能开发：权限管理之菜单功能
• 功能开发：职称管理和部门管理
• 功能开发：员工管理

• 功能开发：员工工资管理
• 功能开发：Web Socket在线聊天系统
• 前端VUE开发登录与首页设置
• 前端VUE开发职位、职称和部门管理
• 前端VUE开发工资套账与员工工资套账
• 功能开发 ：邮件管理与RabbitMQ性能优化
• 功能开发：个人中心与FastDFS文件系统开发
• 前端VUE开发权限管理
• 前端VUE开发员工管理
• 前端VUE开发在线聊天与个人中心

第六阶段：Hadoop生态圈架构体系

• 计算机组成原理、Vmware虚拟机与Linux安装
• Linux文本、权限管理、三剑客与同步网络时间
• 高并发CAP机制、Zookeeper安装与节点操作
• Hadoop分布式文件系统架构
• 高可用分布式集群搭建与基本操作
• Linux配置、初级命令与文件系统
• Linux软件安装、Shell脚本与三个节点免密登录
• 算法资源与大数据思维
• HDFS数据安全与传输流程
• Hadoop2.X架构进化（主备、哨兵、 日志、脑裂）

• Hadoop3.x新特性、高可用与联邦机制
• Yarn资源管理器、WordCount编写与上线
• MR项目：天气数据分析与好友推荐系统
• Hive数据分区分桶、 DQL查询语句与执行原理
• Hive SQL面试题讲解
• MapReduce计算流程分析（ Map ->Shuffle ->Reduce）
• Split-Map-Shuffle-Reduce源码剖析
• Hive入门介绍与安装、客户端操作和DDL语句
• Hive好友推荐系统、优化原理与Dbeaver连接
• H base入门、环境搭建、数据访问和系统架构

第七阶段 ：Spark 生态架构体系

• H base读写流程源码分析与Rowkey设计
• Scala语言六大特性、下载安装、环境配置
• 基本语法、函数及应用（匿名函数、高阶函数等） 、Array 操作
• Scala 样例类、 trait特征特质、伴生类
• Spark框架介绍、计算方式、算子五大特性和血 统；
• H base设计优化方案、 Hive整合与Phoenix安装访问
• IDEA 开发配置、 数据类型与类型推断机制、 类和对象、循环 、判断
• 可变数组操作、可变列表操作、Set、 Map、元组操作
• Scala 伴生对象、模式匹配、 actor通信模型
• Spark的行动算子和控制算子、集群搭建、任务提交模式

• Spark的多文件转换算子、行动算子、的宽窄依 赖；
• 分区转换算子、Spark的行动算子、TopN案例练 习、Shell使用
• Spark的源码解析、SparkSQL架构介绍、 DataFrame概念与实现
• SparkSQL自定义函数、开窗函数、 SparkStreaming架构介绍
• SparkStreaming的反压机制与SparkStreaming 的事务处理
• Stage的切割规则和计算模式、资源调度、分区转换算子
• Spark UI和Spark高可用搭建、广播变量与累加器、数据的 Shuffle、Sort与Bypass
• DataSet概念与实现、 DSL的语法、谓词下推和JDBC
• SparkStreaming的数据计算与Dstream、容错与实时、 SparkStreaming算子
• Spark的调优、数据倾斜、王者荣耀分析案例

第八阶段：优品购离线数仓平台

• 项目需求分析
• 数仓理论：数仓分层、数据集市、范式、建模理论
• 数据采集：埋点技术、数据采集方案、 Flume简介 和Flume安装
• Flume任务部署（基础版、优化版）
• 业务数据概述、 DataX使用和DataX-Web
• 项目需求设计
• 数仓理论：事实表、维度表、数仓建模与分层
• Flume使用和知识拓展
• Flume任务部署（最终版）
• DataX实现增量导入订单表、 DataX抽取任务脚本开发

• 功能分析：行为域ODS层入仓开发、行为域DWD 层需求分析
• 功能分析：全局唯一ID生成
• 功能分析： ETL主程序开发-下
• 功能分析：流量主题分析-上
• 功能分析：多维Cube分析
• 功能分析 ：GEOHash编码、GEOHASH字典表开发、 IP2Region工具包
• 功能分析： ETL主程序开发-上
• 功能分析：数据质量监控、SQL任务脚本开发、业务数据入仓 开发、业务数据DWD开发
• 功能分析：流量主题分析-下
• 功能分析：活跃主题分析、新用户留存分析

• 功能分析：漏斗模型分析、事件归因分析
• 功能分析：商品主题分析、订单主题分析
• 即席查询： Kylin基础概念、安装部署
• 任务调度： Dolphin Scheduler入门、环境搭建、 理解概念
• 数据治理服务： Promethues介绍、架构、存储、 使用以及Grafana集成
• 功能分析：用户画像分析
• 功能分析：购物车主题分析、优惠券主题分析
• 即席查询： Kylin使用与优化、项目集成Kylin进行即席查询
• 任务调度：项目集成Dolphin Scheduler、可视化展示： Superset
• 数据治理服务：Altas元数据认识、介绍、架构、安装部署、使 用

第九阶段：Flink实时计算系统阶段

• CDH与CM介绍、C louder入门、CM架构与功能模块、 Linux安装与配置
• CDH搭建平台环境、项目迁移到CDH
• F link简介、架构组成
• 虚拟Key的操作方式、 DataSource的创建方式
• F link集群部署角色介绍、 F link on Yarn部署方式 （两种）
• CDH&CM安装Http与Yum源、Server与Anget、组件、集群控制台
• Promethues + Grafana监控CDH组件（ HDFS等组件）
• F link 开发环境配置、批次处理和流式处理案例
• Transformation 操作符介绍、Sink 操作符使用以及灵活使用 AddSink
• F link并行度解析、 F link窗口分类使用

• F link时间类型以及水印、waterMark整体介绍及 定义方式
• SavePoint和CheckPoint区别、操作链使用方式 、TaskS lots原理
• Kafka Topic、 Partition 原理、集群搭建、操作命令
• Spark集成Kafka、 F link集成Kafka
• 日志采集方案二 ：OpenResty+Flume+Kafka
• F link广播变量和累加器的使用、Checkpoint的开启与设置、状 态后端存储
• Historyserver日志服务的配置
• Kafka Topic更改、删除、API操作Kafka
• 项目介绍与日志采集方案一： Nginx+Kafka
• 日志采集方案三 ：OpenResty + FileBeat + Kafka

第十阶段：直播实时分析平台

• 业务数据采集 ：Canal介绍原理和安装使用
• 功能分析：统计新老用户需求分析、统计开发第一 版和第二版
• Click House：软件介绍、环境搭建、数据类型
• Click House： MergeTree概念下
• 功能分析： F link将统计数据写入Click Huse
• 数据采集： F link工具类编写、 日志和业务数据接入Flink测试
• 功能分析：统计新老用户需求分析、统计开发第三版和第四版
• Click House： DDL语句、 MergeTree概念上
• Click House： MergeTreeFamily、 Engine
• 功能分析：直播数据需求分析（累计观众统计、在线观众统计 、人气值统计）

• 功能分析：直播数据优化、侧流数据写入Redis、 直播数据写入Click House
• 功能分析：热门商品需求分析、TopN需求开发
• 功能分析：拼团总金额统计
• F link集成Drools
• 功能分析：打赏数据需求分析和指标开发
• 功能分析：各分类成交金额统计
• 动态规则引擎： Drools介绍、原理、入门案例
• 功能开发：根据行为触发优惠券发放功能
• 项目总结

第十一阶段：机器学习算法与智能推荐系统

• 线性回归算法原理
• 贝叶斯分类算法
• Kmeans 算 法 、 Kmeans++算法
• 项目：推荐系统解决的问题和价值
• 项目：推荐系统的埋点和离线召回
• 多元线性回归算法
• KNN分类算法
• 随机森林算法
• 项目：推荐系统的架构和场景分析
• 项目：协同过滤和推荐系统的在线召回

• 项目：推荐系统数据准备和离线任务(一)
• 项目：推荐系统机器学习算法GBDT+LR
• 项目：推荐系统算法之神经网络
• 推荐系统总结
• 离线数仓总结：相关概念、数据建模、维度表、事 实表建模规范
• 项目：推荐系统数据准备和离线任务(二)
• 项目：推荐系统机器学习算法XGBOOST和pmml部署
• 项目：推荐系统深度学习算法之wide&deep
• 推荐系统总结
• 离线数仓总结 ：阿里数仓进化与分层规则、 ETL工具与操作规范 、数仓开发规范与元数据

第十二阶段：面试辅导

• 离线数仓运维：环境搭建规范、综合各类大数据开 发软件组件搭建
• 找工作流程：详解找工作流程 ，面试准备、面试礼 仪、如何谈薪和渡过试用期
• 1V1简历修改
• 1V1找工作规划：个人定岗定薪
• 离线数仓开发 ：CDH平台进行指标开发
• 简历辅导：简历结构、突出个人能力以及美化项目经验