- 第1章 课程介绍
课程介绍
- 1-1 PySpark导学
- 1-2 OOTB环境演示
- 第2章 实战环境搭建
工欲善其事必先利其器，本章讲述JDK、Scala、Hadoop、Maven、Python3以及Spark源码编译及部署
- 2-1 -课程目录
- 2-2 -Java环境搭建
- 2-3 -Scala环境搭建
- 2-4 -Hadoop环境搭建
- 2-5 -Maven环境搭建
- 2-6 -Python3环境部署
- 2-7 -Spark源码编译及部署
- 第3章 Spark Core核心RDD
本章详细讲解RDD是什么以及特性(面试常考)、Spark中两个核心类SparkContext和SparkConf、pyspark启动脚本分析、RDD的创建方式以及如何使用IDE开发Python Spark应用程序并提交到服务器上运行
- 3-1 -课程目录
- 3-2 -RDD是什么
- 3-3 -通过电影描述集群的强大之处
- 3-4 -RDD的五大特性
- 3-5 -RDD特性在源码中的体现
- 3-6 -图解RDD
- 3-7 -SparkContext&SparkConf详解
- 3-8 -pyspark
- 3-9 -RDD创建方式一
- 3-10 -RDD创建方式二
- 3-11 -使用IDE开发pyspark应用程序
- 3-12 -提交pyspark作业到服务器上运行
- 第4章 Spark Core RDD编程
本章将针对RDD中常用的算子进行详细案例讲解，并进行综合案例实战
- 4-1 -课程目录
- 4-2 -RDD常用操作
- 4-3 -map算子使用详解
- 4-4 -filter算子详解
- 4-5 -flatMap算子详解
- 4-6 -groupByKey算子详解
- 4-7 -reduceByKey算子详解
- 4-8 -sortByKey算子详解
- 4-9 -union算子使用详解
- 4-10 -distinct算子使用详解
- 4-11 -join算子详解
- 4-12 -action常用算子详解
- 4-13 -算子综合案例实战一词频统计
- 4-14 -算子综合案例实战之词频统计重构
- 4-15 -算子综合案例实战之TopN统计
- 4-16 -算子综合案例实战之平均数统计
- 第5章 Spark运行模式
本章将介绍Spark的几种运行模式，需要重点掌握on YARN模式
- 5-1 -课程目录
- 5-2 -local模式运行
- 5-3 -standalone模式环境搭建及pyspark运行
- 5-4 -standalone模式spark-submit运行
- 5-5 -yarn运行模式详解
- 第6章 Spark Core进阶
本章将介绍Spark中的核心术语、运行架构、并对比Spark和MapReduce的概念区分、存储策略及选择方式、宽窄依赖及Shuffle
- 6-1 -课程目录
- 6-2 -Spark核心概念详解
- 6-3 -结合Spark UI详解Spark核心概念
- 6-4 -Spark运行架构及注意事项
- 6-5 -Spark和Hadoop重要概念区分
- 6-6 -Spark缓存的作用
- 6-7 -Spark缓存概述
- 6-8 -Spark缓存策略详解
- 6-9 -Spark缓存策略选择依据
- 6-10 -Spark Lineage机制
- 6-11 -Spark窄依赖和宽依赖
- 6-12 -Spark Shuffle概述
- 6-13 -图解RDD的shuffle以及依赖关系
- 第7章 Spark Core调优
本章将从Spark作业性能指标、序列化、内存管理、广播变量及数据本地化这几个方面来介绍Spark作业的调优
- 7-1 -课程目录
- 7-2 -优化之HistoryServer配置及使用
- 7-3 -优化之序列化
- 7-4 -优化之内存管理
- 7-5 -优化之广播变量
- 7-6 -优化之数据本地性
- 第8章 Spark SQL
本章将讲解Spark SQL的架构、DataFrame&Dataset、以及如何使用Python API来对DataFrame进行编程
- 8-1 -课程目录
- 8-2 -Spark SQL前世今生
- 8-3 -Spark SQL概述&错误认识纠正
- 8-4 -Spark SQL架构
- 8-5 -DataFrame&Dataset详解
- 8-6 -DataFrame API编程
- 8-7 -RDD与DataFrame互操作方法一
- 8-8 -RDD与DataFrame互操作方法二
- 8-9 -Spark SQL其他
- 第9章 Spark Streaming
本章将讲解Spark Streaming的核心概念、执行原理、以及如何Python API来对Spark Streaming进行编程
- 9-1 -课程目录
- 9-2 -Spark Streaming概述
- 9-3 -实时流处理框架对比
- 9-4 -Spark Streaming执行原理
- 9-5 -从词频统计案例来了解SparkStreaming
- 9-6 -核心概念之StreamingContext
- 9-7 -核心概念之DStream及常用操作
- 9-8 -SparkStreaming操作文件系统数据实战
- 第10章 Azkaban基础篇
本章将讲解Azkaban的特性、架构、运行模式、源码编译及部署、快速入门
- 10-1 Azkaban基础篇课程目录
- 10-2 -工作流概述
- 10-3 -工作流在大数据处理中的重要性
- 10-4 -常用调度框架介绍
- 10-5 -Azkaban概述及特性
- 10-6 -Azkaban架构
- 10-7 -Azkaban运行模式详解
- 10-8 -Azkaban源码编译
- 10-9 -Azkaban solo server环境部署
- 10-10 -Azkaban快速入门案例
- 第11章 Azkaban实战篇
本章将讲解如何使用Azkaban来完成HDFS、MapReduce、Hive作业的调度、定时作业调度以及邮件告警
- 11-1 -Azkaban实战篇课程目录
- 11-2 -依赖作业在Azkaban中的使用
- 11-3 -HDFS作业在Azkaban中的使用
- 11-4 -MapReduce作业在Azkaban中的使用
- 11-5 -Hive作业在Azkaban中的使用
- 11-6 -定时调度作业在Azkaban中的使用
- 11-7 -邮件告警及SLA在Azkaban中的使用
- 第12章 Azkaban进阶篇
本章将讲解Azkaban在生产上的部署、权限管理、Ajax API、Plugin、以及短信和调度框架的二次开发
- 12-1 -Azkaban进阶篇课程目录
- 12-2 -Two Server Mode之数据库准备工作
- 12-3 -Two Server Mode之AzkabanWebServer搭建
- 12-4 -Two Server Mode之AzkabanExecServer搭建
- 12-5 -Two Server Mode之使用实战
- 12-6 -Azkaban权限管理
- 12-7 -Azkaban中AJAX API使用
- 12-8 -Azkaban Plugin的使用
- 12-9 -Azkaban中短信告警改造思路
- 12-10 Azbakan在生产上使用的改造思路
- 第13章 项目实战
本章将讲解在构建大数据平台的技术选型、集群升级资源评估，并使用Spark对气象数据进行分析，讲分析结果写入ES，并通过Kibana进行统计结果的可视化展示
- 13-1 -课程目录
- 13-2 -大数据项目开发流程
- 13-3 -大数据企业级应用
- 13-4 -企业级大数据分析平台
- 13-5 -集群数据量预估
- 13-6 -集群机器规模&资源&作业规划
- 13-7 -项目需求
- 13-8 -数据加载成DataFrame并选出需要的列
- 13-9 -SparkSQL UDF函数开发
- 13-10 -每年Grade出现的次数统计
- 13-11 -Grade在每年中的占比统计
- 13-12 -ES部署及使用
- 13-13 -Kibana部署及使用
- 13-14 -将作业运行到YARN上
- 13-15 -统计分析结果写入ES测试
- 13-16 -统计分析结果入ES并通过Kibana图形化展示
- 13-17 -作业
- 13-18 -通过Azkaban调度整个流程
- 13-19 -课程总结及展望(重点关注)
