? 以下就是本次Spark培訓(xùn)內(nèi)容
第一部分
1、Spark的架構(gòu)設(shè)計
1.1 Spark生態(tài)系統(tǒng)剖析
1.2 Spark的架構(gòu)設(shè)計剖析
1.3 RDD計算流程解析
1.4 Spark的出色容錯機制
2、Spark編程模型
2.1 RDD
2.2 transformation
2.3 action
2.4 lineage
2.5寬依賴與窄依賴
3、深入Spark內(nèi)核
3.1 Spark集群
3.2 任務(wù)調(diào)度
3.3 DAGScheduler
3.4 TaskScheduler
3.5 Task內(nèi)部揭秘
4、Spark的廣播變量與累加器
4.1 廣播變量的機制
4.2 廣播變量使用最佳實踐
4.3 累加器的機制
4.4 累加器使用的最佳實踐
5、編寫Spark程序
5.1 程序數(shù)據(jù)的來源：File、HDFS、HBase、S3等
5.2 IDE環(huán)境構(gòu)建
5.3 Maven
5.4 sbt.
5.5 編寫并部署Spark程序的實例
6、SparkContext解析和數(shù)據(jù)加載以及存儲
6.1 源碼剖析SparkContext
6.2 Scala、Java、Python使用SparkContext
6.4 加載數(shù)據(jù)成為RDD
6.5 把數(shù)據(jù)物化
第二部分
7、深入實戰(zhàn)RDD
7.1 DAG
7.2 深入實戰(zhàn)各種Scala RDD Function
7.3 Spark Java RDD Function
7.4 RDD的優(yōu)化問題
8、Shark的原理和使用
8.1 Shark與Hive
8.2 安裝和配置Shark
8.3 使用Shark處理數(shù)據(jù)
8.4 在Spark程序中使用Shark Queries
8.5 SharkServer
8.6 思考Shark架構(gòu)
9、Spark的機器學(xué)習(xí)
9.1 LinearRegression
9.2 K-Means
9.3 Collaborative Filtering
10、Spark的圖計算GraphX
10.1 Table Operators
10.2 Graph Operators
10.3 GraphX
11、Spark SQL
11.1 Parquet支持
11.2 DSL
11.3 SQL on RDD
第三部分
12、Spark實時流處理
12.1 DStream
12.2 transformation
12.3 checkpoint
12.4 性能優(yōu)化
13、Spark程序的測試
13.1 編寫可測試的Spark程序
13.2 Spark測試框架解析
13.3 Spark測試代碼實戰(zhàn)
14、Spark的優(yōu)化
14.1 Logs
14.2 并發(fā)
14.3 內(nèi)存
14.4 垃圾回收
14.5 序列化
14.6 安全
15、Spark on Yarn
15.1 Spark on Yarn的架構(gòu)原理
15.2 Spark on Yarn的最佳實踐
16、JobServer
16.1 JobServer的架構(gòu)設(shè)計
16.2 JobServer提供的接口
16.3 JobServer最佳實踐
