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(xì)介紹)
Spark商品推薦系統(tǒng)、用戶標(biāo)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(jìn)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(jìn)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(jìn)行優(yōu)化
8.4 Spark Streaming案例分析
基于Spark Streaming的用戶標(biāo)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