課程介紹

 

其他精品課程班: ABB symphony培訓(xùn) catia汽車內(nèi)外飾設(shè)計(jì)培訓(xùn) FLds模塊模擬培訓(xùn) 失效分析培訓(xùn) sherlock機(jī)器視覺培訓(xùn) CFD流體力學(xué)培訓(xùn) AMESIM電機(jī)熱培訓(xùn) AIGC培訓(xùn)培訓(xùn) 機(jī)械可靠性培訓(xùn) ansys模具行業(yè)仿真應(yīng)用培訓(xùn) HRS培訓(xùn) Chatgpt培訓(xùn) 數(shù)?；旌螴C設(shè)計(jì)培訓(xùn) 嵌入式產(chǎn)品測試培訓(xùn) Abaqus復(fù)合材料培訓(xùn) Vue培訓(xùn) 敏捷培訓(xùn) DevOps培訓(xùn) AIGC培訓(xùn) EBMI5培訓(xùn) CHI培訓(xùn) Scrum培訓(xùn) AI培訓(xùn) SEAi培訓(xùn) EtherCAT培訓(xùn) 尺寸鏈培訓(xùn) 3C半導(dǎo)體設(shè)備維護(hù)和調(diào)試培訓(xùn) 降噪設(shè)計(jì)培訓(xùn) 白盒測試培訓(xùn) 人機(jī)培訓(xùn) 通信培訓(xùn) AI職場培訓(xùn) Apollo培訓(xùn) Twin Builder培訓(xùn) 安全開發(fā)培訓(xùn) 公式培訓(xùn)

 

 

曙海教學(xué)優(yōu)勢

　 本課程面向企事業(yè)項(xiàng)目實(shí)際需要,秉承二十一年積累的教學(xué)品質(zhì)，Spark深入淺出企業(yè)級最佳實(shí)踐培訓(xùn)課程-以項(xiàng)目實(shí)現(xiàn)為導(dǎo)向,老師將會(huì)與您分享設(shè)計(jì)的全流程以及工具的綜合使用經(jīng)驗(yàn)、技巧。線上/線下/上門皆可,Spark深入淺出企業(yè)級最佳實(shí)踐培訓(xùn)課程-專家,課程可定制,熱線:4008699035。

　 曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內(nèi)有著響亮的知名度。大批企業(yè)和曙海
建立了良好的合作關(guān)系,合作企業(yè)30萬+。

 

精品課程班級列表

• ?　　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(jì)

  　　1.1 Spark生態(tài)系統(tǒng)剖析

  　　1.2 Spark的架構(gòu)設(shè)計(jì)剖析

  　　1.3 RDD計(jì)算流程解析

  　　1.4 Spark的出色容錯(cuò)機(jī)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(jī)制

  　　4.2 廣播變量使用最佳實(shí)踐

  　　4.3 累加器的機(jī)制

  　　4.4 累加器使用的最佳實(shí)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(shí)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(shí)戰(zhàn)RDD

  　　7.1 DAG

  　　7.2 深入實(shí)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(jī)器學(xué)習(xí)

  　　9.1 LinearRegression

  　　9.2 K-Means

  　　9.3 Collaborative Filtering

  　　10、Spark的圖計(jì)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(shí)時(shí)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(shí)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(shí)踐

  　　16、JobServer

  　　16.1 JobServer的架構(gòu)設(shè)計(jì)

  　　16.2 JobServer提供的接口

  　　16.3 JobServer最佳實(shí)踐

  
  
  

  ---
• 聯(lián)系曙?？头?/span>