【7386】-Python3实战Spark大数据分析及调度
第1章 课程介绍
课程介绍
1-1 PySpark导学
1-2 OOTB环境演示
第2章 实战环境搭建
工欲善其事必先利其器，本章讲述JDK、Scala、Hadoop、Maven、Python3以及Spark源码编译及部署
2-1 -课程目录
2-2 -Java环境搭建
2-3 -Scala环境搭建
2-4 -Hadoop环境搭建
2-5 -Maven环境搭建
2-6 -Python3环境部署
2-7 -Spark源码编译及部署
第3章 Spark Core核心RDD
本章详细讲解RDD是什么以及特性(面试常考)、Spark中两个核心类SparkContext和SparkConf、pyspark启动脚本分析、RDD的创建方式以及如何使用IDE开发Python Spark应用程序并提交到服务器上运行
3-1 -课程目录
3-2 -RDD是什么
3-3 -通过电影描述集群的强大之处
3-4 -RDD的五大特性
3-5 -RDD特性在源码中的体现
3-6 -图解RDD
3-7 -SparkContext&SparkConf详解
3-8 -pyspark
3-9 -RDD创建方式一
3-10 -RDD创建方式二
3-11 -使用IDE开发pyspark应用程序
3-12 -提交pyspark作业到服务器上运行
第4章 Spark Core RDD编程
本章将针对RDD中常用的算子进行详细案例讲解，并进行综合案例实战
4-1 -课程目录
4-2 -RDD常用操作
4-3 -map算子使用详解
4-4 -filter算子详解
4-5 -flatMap算子详解
4-6 -groupByKey算子详解
4-7 -reduceByKey算子详解
4-8 -sortByKey算子详解
4-9 -union算子使用详解
4-10 -distinct算子使用详解
4-11 -join算子详解
4-12 -action常用算子详解
4-13 -算子综合案例实战一词频统计
4-14 -算子综合案例实战之词频统计重构
4-15 -算子综合案例实战之TopN统计
4-16 -算子综合案例实战之平均数统计
第5章 Spark运行模式
本章将介绍Spark的几种运行模式，需要重点掌握on YARN模式
5-1 -课程目录
5-2 -local模式运行
5-3 -standalone模式环境搭建及pyspark运行
5-4 -standalone模式spark-submit运行
5-5 -yarn运行模式详解
第6章 Spark Core进阶
本章将介绍Spark中的核心术语、运行架构、并对比Spark和MapReduce的概念区分、存储策略及选择方式、宽窄依赖及Shuffle
6-1 -课程目录
6-2 -Spark核心概念详解
6-3 -结合Spark UI详解Spark核心概念
6-4 -Spark运行架构及注意事项
6-5 -Spark和Hadoop重要概念区分
6-6 -Spark缓存的作用
6-7 -Spark缓存概述
6-8 -Spark缓存策略详解
6-9 -Spark缓存策略选择依据
6-10 -Spark Lineage机制
6-11 -Spark窄依赖和宽依赖
6-12 -Spark Shuffle概述
6-13 -图解RDD的shuffle以及依赖关系
第7章 Spark Core调优
本章将从Spark作业性能指标、序列化、内存管理、广播变量及数据本地化这几个方面来介绍Spark作业的调优
7-1 -课程目录
7-2 -优化之HistoryServer配置及使用
7-3 -优化之序列化
7-4 -优化之内存管理
7-5 -优化之广播变量
7-6 -优化之数据本地性
第8章 Spark SQL
本章将讲解Spark SQL的架构、DataFrame&Dataset、以及如何使用Python API来对DataFrame进行编程
8-1 -课程目录
8-2 -Spark SQL前世今生
8-3 -Spark SQL概述&错误认识纠正
8-4 -Spark SQL架构
8-5 -DataFrame&Dataset详解
8-6 -DataFrame API编程
8-7 -RDD与DataFrame互操作方法一
8-8 -RDD与DataFrame互操作方法二
8-9 -Spark SQL其他
第9章 Spark Streaming
本章将讲解Spark Streaming的核心概念、执行原理、以及如何Python API来对Spark Streaming进行编程
9-1 -课程目录
9-2 -Spark Streaming概述
9-3 -实时流处理框架对比
9-4 -Spark Streaming执行原理
9-5 -从词频统计案例来了解SparkStreaming
9-6 -核心概念之StreamingContext
9-7 -核心概念之DStream及常用操作
9-8 -SparkStreaming操作文件系统数据实战
第10章 Azkaban基础篇
本章将讲解Azkaban的特性、架构、运行模式、源码编译及部署、快速入门
10-1 Azkaban基础篇课程目录
10-2 -工作流概述
10-3 -工作流在大数据处理中的重要性
10-4 -常用调度框架介绍
10-5 -Azkaban概述及特性
10-6 -Azkaban架构
10-7 -Azkaban运行模式详解
10-8 -Azkaban源码编译
10-9 -Azkaban solo server环境部署
10-10 -Azkaban快速入门案例
第11章 Azkaban实战篇
本章将讲解如何使用Azkaban来完成HDFS、MapReduce、Hive作业的调度、定时作业调度以及邮件告警
11-1 -Azkaban实战篇课程目录
11-2 -依赖作业在Azkaban中的使用
11-3 -HDFS作业在Azkaban中的使用
11-4 -MapReduce作业在Azkaban中的使用
11-5 -Hive作业在Azkaban中的使用
11-6 -定时调度作业在Azkaban中的使用
11-7 -邮件告警及SLA在Azkaban中的使用
第12章 Azkaban进阶篇
本章将讲解Azkaban在生产上的部署、权限管理、Ajax API、Plugin、以及短信和调度框架的二次开发
12-1 -Azkaban进阶篇课程目录
12-2 -Two Server Mode之数据库准备工作
12-3 -Two Server Mode之AzkabanWebServer搭建
12-4 -Two Server Mode之AzkabanExecServer搭建
12-5 -Two Server Mode之使用实战
12-6 -Azkaban权限管理
12-7 -Azkaban中AJAX API使用
12-8 -Azkaban Plugin的使用
12-9 -Azkaban中短信告警改造思路
12-10 Azbakan在生产上使用的改造思路
第13章 项目实战
本章将讲解在构建大数据平台的技术选型、集群升级资源评估，并使用Spark对气象数据进行分析，讲分析结果写入ES，并通过Kibana进行统计结果的可视化展示
13-1 -课程目录
13-2 -大数据项目开发流程
13-3 -大数据企业级应用
13-4 -企业级大数据分析平台
13-5 -集群数据量预估
13-6 -集群机器规模&资源&作业规划
13-7 -项目需求
13-8 -数据加载成DataFrame并选出需要的列
13-9 -SparkSQL UDF函数开发
13-10 -每年Grade出现的次数统计
13-11 -Grade在每年中的占比统计
13-12 -ES部署及使用
13-13 -Kibana部署及使用
13-14 -将作业运行到YARN上
13-15 -统计分析结果写入ES测试
13-16 -统计分析结果入ES并通过Kibana图形化展示
13-17 -作业
13-18 -通过Azkaban调度整个流程
13-19 -课程总结及展望(重点关注)
本课程已完结
