[249] Python3实战Spark大数据分析及调度 -

网盘链接：

1. 课程介绍

• 1-1 PySpark导学
• 1-2 OOTB环境演示

2. 实战环境搭建

• 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

3. Spark Core核心RDD

• 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

4. Spark Core RDD编程

• 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

5. Spark运行模式

• 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

6. Spark Core进阶

• 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

7. Spark Core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

8. Spark SQL

• 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

9. Spark Streaming

• 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

10. Azkaban基础篇

• 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

11. Azkaban实战篇

• 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

12. Azkaban进阶篇

• 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

13. 项目实战

• 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)