?
Spark大數(shù)據(jù)處理案例分析與實踐培訓(xùn)課程
培訓(xùn)特色
Spark已經(jīng)被不少互聯(lián)網(wǎng)公司采用，大部分數(shù)據(jù)挖掘算法和迭代式算法在逐步MapReduce平臺遷移到Spark平臺中，包括阿里巴巴（廣告系統(tǒng)），騰訊（廣點通精準推薦），百度，優(yōu)酷土豆，360，支付寶等互聯(lián)網(wǎng)公司已經(jīng)在線上產(chǎn)品中使用spark，且取得了令人滿意的效果，另外，部分省份的運營商也正在嘗試使用spark解決數(shù)據(jù)挖掘和分析問題，部分銀行，如工商銀行，也正在嘗試spark平臺。
目標收益
本課程將為大家全面而又深入的介紹Spark平臺的構(gòu)建流程，涉及Spark系統(tǒng)基礎(chǔ)知識，概念及架構(gòu)， Spark實戰(zhàn)技巧，Spark經(jīng)典案例等。
通過本課程實踐，幫助學員對Spark生態(tài)系統(tǒng)有一個清晰明了的認識；理解Spark系統(tǒng)適用的場景；掌握Spark等初中級應(yīng)用開發(fā)技能；搭建穩(wěn)定可靠的Spark集群，滿足生產(chǎn)環(huán)境的標準；了解和清楚大數(shù)據(jù)應(yīng)用的幾個行業(yè)中的經(jīng)典案例，包括阿里巴巴，騰訊，百度等互聯(lián)網(wǎng)行業(yè)，中國移動和聯(lián)通等運營商。
培訓(xùn)對象
各類 IT/軟件企業(yè)和研發(fā)機構(gòu)的軟件架構(gòu)師、軟件設(shè)計師、程序員。對于懷有設(shè)計疑問和問題，需要梳理解答的團隊和個人，效果最佳。
學員基礎(chǔ)
1) 了解Java語言（Scala語言會作為課程內(nèi)容進行介紹）；?
2) 了解Linux系統(tǒng)；
課程大綱
?
| 主題 |
內(nèi)容 |
|
Spark大數(shù)據(jù)架構(gòu)概述及案例簡介
|
1. 1介紹Spark大數(shù)據(jù)層級架構(gòu)及各層軟件設(shè)計要求，包括數(shù)據(jù)收集，大數(shù)據(jù)存儲，大數(shù)據(jù)計算框架，大數(shù)據(jù)應(yīng)用等
1.2. Hadoop與Spark區(qū)別與關(guān)系
1.3. Spark生態(tài)系統(tǒng)概述以及版本演化，并給出spark版本選擇建議
1.4. Spark典型案例簡介(簡要介紹案例，具體在后面各節(jié)會詳細介紹)
Spark商品推薦系統(tǒng)、用戶標簽系統(tǒng)
|
|
Spark產(chǎn)生動機與基本概念
|
2.1 Spark產(chǎn)生背景，與MapReduce對比，其優(yōu)缺點是什么
2.2 Spark核心概念
（1）RDD
（2）基本操作：transformation與 action
2.2 Spark程序架構(gòu)
（1）Driver/executor
（2）容錯機制
|
|
Spark安裝部署
|
3.1 Spark運行模式簡介、standlone模式、Spark on yarn模式
3.2 搭建一個spark on yarn集群、搭建yarn集群、運行第一個spark程序
|
|
Spark程序設(shè)計實例
|
4.1 Scala語言基礎(chǔ)，常用語法以及庫函數(shù)
4.2 Spark程序設(shè)計方法
1.Spark程序基本構(gòu)成,SparkContext，RDD，transformation/action
2.Spark API介紹
（1） 如何創(chuàng)建RDD（scala集合，HDFS文件，HBase文件等）
（2）如何基于RDD進行數(shù)據(jù)處理，介紹常見的分布式算子
（3）如何保存處理結(jié)果（返回到driver端，寫入hdfs等）
（4）廣播變量與累加器
4.3 Spark程序設(shè)計實例
（1）分布式Pi估算程序
（2）K-means分類算法實現(xiàn)
（3）邏輯回歸算法實現(xiàn)
|
|
Spark內(nèi)部原理
|
5.1 Spark程序運行流程概述
介紹Spark從提交，到調(diào)度，到最后執(zhí)行完成整個過程
5.2 Spark內(nèi)部執(zhí)行流程
介紹Spark程序內(nèi)部的邏輯查詢計劃，物理查詢計劃，調(diào)度等幾個環(huán)節(jié)
5.3 Spark shuffle實現(xiàn)
介紹Spark shuffle發(fā)展史及實現(xiàn)邏輯
5.4 Spark算子的內(nèi)部機制
以reduce By Key和group By Key為例介紹spark算子的內(nèi)部實現(xiàn)原理
|
|
Spark與外部系統(tǒng)整合
|
6.1 Spark與Kafka和flume結(jié)合
介紹如何使用kafka和flume將數(shù)據(jù)導(dǎo)入hadoop中，以便使用spark處理
6.2 Spark與Storm結(jié)合
介紹如何使用spark實時處理數(shù)據(jù)
6.3 Spark與HBase和HDFS結(jié)合
介紹Spark如何與HBase和HDFS實現(xiàn)數(shù)據(jù)的讀寫交互
6.4 Spark與關(guān)系型數(shù)據(jù)庫和hive結(jié)合
介紹如何使用spark與關(guān)系型數(shù)據(jù)庫和hive結(jié)合
|
|
Spark調(diào)優(yōu)方法
|
Spark調(diào)優(yōu)思想、方法
|
|
Spark案例分析
|
基于Spark的商品推薦系統(tǒng)，包括：項目背景、項目架構(gòu)、項目實施
|
|
Spark Streaming應(yīng)用及案例分析
|
8.1 Spark Streaming產(chǎn)生動機
8.2 Spark Streaming程序設(shè)計
（1）創(chuàng)建DStream
（2）基于DStream進行流式處理
8.3 Spark Streaming容錯與性能優(yōu)化
（1）Spark Streaming容錯機制
（2）如何對spark Streaming進行優(yōu)化
8.4 Spark Streaming案例分析
基于Spark Streaming的用戶標簽系統(tǒng)，內(nèi)容包括項目背景，項目架構(gòu)以及實施方法
|
|
Spark SQL
|
9.1 Spark SQL定位
9.2 如何使用SparkSQL處理數(shù)據(jù)
（1）使用SparkSQL處理HDFS上數(shù)據(jù)
（2）使用SparkSQL處理Hive中的數(shù)據(jù)
9.3 Spark SQL與Spark及Spark Streaming結(jié)合
|
|
MLlib
|
10. 介紹Spark的數(shù)據(jù)挖掘庫MLlib，重點介紹其內(nèi)部的幾個分類算法，聚類算法和推薦算法，包括邏輯回歸，K-Means，協(xié)同過濾等
|
|
GraphX
|
11. 介紹Spark內(nèi)部的圖計算框架GraphX，重點介紹它的基本原理及使用方法
|
