Spark生態(tài)介紹

Mapreduce、storm和spark模型的比較和使用場(chǎng)景介紹

Spark產(chǎn)生背景

Spark（內(nèi)存計(jì)算框架）

SparkSteaming（流式計(jì)算框架）

Spark SQL（ad-hoc）

Mllib（MachineLearning）

GraphX（bagel將被代）

DlinkDB介紹

SparkR介紹

Spark安裝部署

Spark安裝簡(jiǎn)介

Spark的源碼編譯

Spark Standalone安裝

Spark應(yīng)用程序部署工具spark-submit

Spark的高可用性部署

Spark運(yùn)行架構(gòu)和解析

Spark的運(yùn)行架構(gòu)

基本術(shù)語(yǔ)

Spark on Standalone運(yùn)行過(guò)程

Spark on YARN 運(yùn)行過(guò)程

Spark運(yùn)行實(shí)例解析

Spark on Standalone實(shí)例解析

Spark on YARN實(shí)例解析

比較 Standalone與YARN模式下的優(yōu)缺點(diǎn)

Spark scala編程

Scala基本語(yǔ)法與高階語(yǔ)法

Scala開(kāi)發(fā)環(huán)境搭建

Scala開(kāi)發(fā)Spark應(yīng)用程序

使用java編程

使用python編程

Spark編程模型和解析

Spark的編程模型

Spark編程模型解析

RDD的特點(diǎn)、操作、依賴(lài)關(guān)系

Spark應(yīng)用程序的配置

Spark的架構(gòu)

spark的容錯(cuò)機(jī)制

數(shù)據(jù)的本地性

緩存策略介紹

寬依賴(lài)與窄依賴(lài)

Spark 數(shù)據(jù)挖掘

Mllib的介紹

graphX核心原理

table operator和graph operator區(qū)別

vertices、edges和triplets介紹

構(gòu)建一個(gè)graph

SparkR原理

SparkR實(shí)戰(zhàn)

Spark Streaming原理和實(shí)踐

Spark Streaming與Strom的區(qū)別

Kafka的部署

Kafka與Spark Streaming的整合

Spark Streaming原理

Spark流式處理架構(gòu)

DStream的特點(diǎn)

Dstream的操作和RDD的區(qū)別

帶狀態(tài)的transformation與無(wú)狀態(tài)transformation

Spark Streaming的優(yōu)化

Spark Streaming實(shí)例

Streaming的容錯(cuò)機(jī)制

streaming在yarn模式下的注意事項(xiàng)

對(duì)于需結(jié)合第三方存儲(chǔ)機(jī)制的與流式處理方案

文本實(shí)例

網(wǎng)絡(luò)數(shù)據(jù)處理

Kafka+Spark Streaming實(shí)現(xiàn)日志的實(shí)時(shí)分析案例

Spark的優(yōu)化

序列化優(yōu)化 — Kryo

Spark參數(shù)優(yōu)化實(shí)戰(zhàn)

Spark 任務(wù)的均勻分布策略

Partition key傾斜的解決方案

Spark任務(wù)的監(jiān)控

GC的優(yōu)化

Spark Streaming吞吐量?jī)?yōu)化

Spark RDD使用內(nèi)存的優(yōu)化策略

Spark在使用中的感想分享

Spark的數(shù)據(jù)源

Spark與HDFS的整合

HDFS RDD原理和實(shí)現(xiàn)

Spark與Hbase的整合

Spark與Cassendera整合

Hbase RDD的分區(qū)讀取

Hbase RDD的原理和實(shí)現(xiàn)

Spark parallelism RDD的工作機(jī)制

Spark Streaming應(yīng)用及案例分析

Spark Streaming產(chǎn)生動(dòng)機(jī)

Spark Streaming程序設(shè)計(jì)

1)創(chuàng)建DStream

2)基于DStream進(jìn)行流式處理

Spark Streaming容錯(cuò)與性能優(yōu)化

1)Spark Streaming容錯(cuò)機(jī)制

2)如何對(duì)spark Streaming進(jìn)行優(yōu)化

Spark Streaming案例分析

基于Spark Streaming的用戶(hù)標(biāo)簽系統(tǒng)，內(nèi)容包括項(xiàng)目背景，項(xiàng)目架構(gòu)以及實(shí)施方法

典型項(xiàng)目案例實(shí)戰(zhàn)

基于spark日志分析

個(gè)性化推薦系統(tǒng)：帶你揭開(kāi)其神秘面紗

在線(xiàn)投放引擎

揭開(kāi)淘寶點(diǎn)擊推薦系統(tǒng)的神秘面紗

淘寶數(shù)據(jù)服務(wù)架構(gòu)—實(shí)時(shí)計(jì)算平臺(tái)