专栏名称: 大数据挖掘DT数据分析

实战数据资源提供。数据实力派社区，手把手带你玩各种数据分析，涵盖数据分析工具使用，数据挖掘算法原理与案例，机器学习，R语言，Python编程，爬虫。如需发布广告请联系： hai299014

Spark2.1全干货 Hulu大数据团队负责人董西成主讲

大数据挖掘DT数据分析 · 公众号 · 大数据 · 2017-04-01 12:00

正文

立即参团

原价 ¥899.00

100人以上 ¥599.00

200人以上 ¥499.00

400人以上 ¥399.00

目前已达最低价

文末加客服微信参团

课程名称

《Spark 2.1 原理、内幕与案例实践》第二期

课程特色

以目前主流的，最新的spark稳定版2.1.x为基础，深入浅出地介绍Spark生态系统原理及应用，内容包括Spark各组件(Spark Core/SQL/Streaming/MLlib)基本原理，使用方法，实战经验以及在线演示。本课程精心设计了五个企业级应用案例，帮助大家在理解理论的基础上，亲手实践和应用spark。

课程优化

1. 讲述最新、最稳定的Spark2.1.X版本

2. 精心设计5个企业级应用案例，更好地实践、应用Spark

学习收益

1. 熟练使用Spark，理解Spark原理，熟知Spark内幕

2. 掌握Spark 2.1新增特性并熟练使用

3. 用有丰富的Spark企业实战经验

主讲老师

董西成 hulu大数据架构组负责人

《Hadoop技术内幕：深入解析MapReduce架构设计与实现原理》和《Hadoop技术内幕：深入解析YARN架构设计与实现原理》作者；

资深Hadoop技术实践者和研究者，曾参与商用Hadoop原型研发，以及分布式日志系统、全网图片搜索引擎、Hadoop调度器等项目的设计。

开课时间

2017年4月6日

学习方式

在线直播，共9次

每周2次（周二、周四晚上20:00-22:00）

直播后提供录制回放视频

可在线反复观看，有效期1年

课程大纲

Spark 概述（共1课时）

第一课：Spark2.1 概述

1. Spark产生背景

包括mapreduce缺陷，多计算框架并存等

2. Spark 基本特点

3. Spark版本演化

4. Spark核心概念

包括RDD, transformation, action, cache等

5. Spark生态系统

包括Spark生态系统构成，以及与Hadoop生态系统关系

6. Spark在互联网公司中的地位与应用

介绍当前互联网公司的Spark应用案例

7. Spark集群搭建

包括测试集群搭建和生产环境中集群搭建方法，并亲手演示整个过程

8. 背景知识补充介绍

a. Hadoop基础

b. HDFS简介（特点、架构与应用）

c. YARN简介（架构）

d. MapReduce简介（编程模型与应用）

I. Eclipse与Intellij IDEA

II. Maven

Spark Core（共3课时）

第二课：Spark 程序设计与企业级应用案例

1. Spark运行模式介绍

Spark运行组件构成，spark运行模式（local、standalone、mesos/yarn等）

2. Spark开发环境构建

集成开发环境选择，亲手演示spark程序开发与调试，spark运行

3. 常见transformation与action用法

介绍常见transformation与action使用方法，以及代码片段剖析

4. 常见控制函数介绍

包括cache、broadcast、accumulator等

5. Spark 应用案例：电影受众分析系统

包括：背景介绍，数据导入，数据分析，常见Spark transformation和action用法在线演示

第三课：park 内部原理剖析与源码阅读

1. Spark运行模式剖析

深入分析spark运行模式，包括local，standalone以及spark on yarn

2. Spark运行流程剖析

包括spark逻辑查询计划，物理查询计划以及分布式执行

3. Spark shuffle剖析

深入介绍spark shuffle的实现，主要介绍hash-based和sort-based两种实现

4. Spark 源码阅读

Spark源码构成以及阅读方法

第四课：Spark 程序调优技巧

1. 数据存储格式调优

数据存储格式选择，数据压缩算法选择等

2. 资源调优

如何设置合理的executor、cpu和内存数目，YARN多租户调度器合理设置，启用YARN的标签调度策略等

3. 程序参数调优

介绍常见的调优参数，包括避免不必要的文件分发，调整任务并发度，提高数据本地性，JVM参数调优，序列化等

4. 程序实现调优

如何选择最合适的transformation与action函数

5. 调优案例分享与演示

演示一个调优案例，如何将一个spark程序的性能逐步优化20倍以上。

Spark SQL 2.1（共2课时）

第五课：Spark SQL基本原理

1. Spark SQL是什么

2. Spark SQL基本原理

3. Spark Dataframe与DataSet

4. Spark SQL与Spark Core的关系

第六课：Spark SQL程序设计与企业级应用案例

1. Spark SQL程序设计

a. 如何访问MySQL、HDFS等数据源，如何处理parquet格式数据

b. 常用的DSL语法有哪些，如何使用

c. Spark SQL调优技巧

2. Spark SQL应用案例：篮球运动员评估系统

a. 背景介绍

b. 数据导入

c. 数据分析

d. 结论

Spark Streaming（共1课时）

第七课：Spark Streaming、程序设计及应用案例

1. Spark Streaming基本原理

a. Spark Streaming是什么

b. Spark Streaming基本原理

c. Structured Streaming

d. Spark Streaming 编程接口介绍

e. Spark Streaming应用案例

2. Spark Streaming程序设计与企业级应用案例

a. 常见流式数据处理模式

b. Spark Streaming与Kafka 交互

c. Spark Streaming与Redis交互

d. Spark Streaming部署与运行

e. Spark Streaming企业级案例：用户行为实时分析系统

Spark MLlib（共1课时）

第八课： Spark MLlib及企业级案例

1. Spark MLlib简介

2. 数据表示方式

3. MLlib中的聚类、分类和推荐算法

4. 如何使用MLlib的算法

5. Spark MLLib企业级案例：信用卡欺诈检测系统

Spark综合案例：（共1课时）

第九课：简易电影推荐系统

1. 背景介绍

2. 什么是Lambda architecture

3. 利用HDFS+Spark Core+MLlib+Redis构建批处理线

4. 利用Kafka+Spark Streaming+Redis构建实时处理线

5. 整合批处理和实时处理线

6. 扩展介绍：Apache beam：统一编程模型及应用

长按扫码加客服——参团，咨询，查看课程