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 (12:51)

1-2 OOTB环境演示 (05:29)

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 (00:54)

2-2 -Java环境搭建 (02:14)

2-3 -Scala环境搭建 (01:50)

2-4 -Hadoop环境搭建 (09:29)

2-5 -Maven环境搭建 (02:24)

2-6 -Python3环境部署 (05:53)

2-7 -Spark源码编译及部署 (08:53)

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 (03:58)

3-2 -RDD是什么 (11:25)

3-3 -通过电影描述集群的强大之处 (04:47)

3-4 -RDD的五大特性 (12:00)

3-5 -RDD特性在源码中的体现 (12:38)

3-6 -图解RDD (04:31)

3-7 -SparkContext&SparkConf详解 (10:35)

3-8 -pyspark (11:49)

3-9 -RDD创建方式一 (08:23)

3-10 -RDD创建方式二 (12:18)

3-11 -使用IDE开发pyspark应用程序 (10:04)

3-12 -提交pyspark作业到服务器上运行 (05:20)

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 (01:23)

4-2 -RDD常用操作 (09:23)

4-3 -map算子使用详解 (10:05)

4-4 -filter算子详解 (04:44)

4-5 -flatMap算子详解 (03:36)

4-6 -groupByKey算子详解 (05:54)

4-7 -reduceByKey算子详解 (04:37)

4-8 -sortByKey算子详解 (06:29)

4-9 -union算子使用详解 (02:26)

4-10 -distinct算子使用详解 (02:00)

4-11 -join算子详解 (05:34)

4-12 -action常用算子详解 (03:03)

4-13 -算子综合案例实战一词频统计 (13:57)

4-14 -算子综合案例实战之词频统计重构 (03:52)

4-15 -算子综合案例实战之TopN统计 (08:46)

4-16 -算子综合案例实战之平均数统计 (05:55)

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 (01:50)

5-2 -local模式运行 (09:47)

5-3 -standalone模式环境搭建及pyspark运行 (11:52)

5-4 -standalone模式spark-submit运行 (05:28)

5-5 -yarn运行模式详解 (20:47)

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 (04:02)

6-2 -Spark核心概念详解 (14:26)

6-3 -结合Spark UI详解Spark核心概念 (04:23)

6-4 -Spark运行架构及注意事项 (09:21)

6-5 -Spark和Hadoop重要概念区分 (05:32)

6-6 -Spark缓存的作用 (12:47)

6-7 -Spark缓存概述 (06:21)

6-8 -Spark缓存策略详解 (08:12)

6-9 -Spark缓存策略选择依据 (04:41)

6-10 -Spark Lineage机制 (05:00)

6-11 -Spark窄依赖和宽依赖 (08:10)

6-12 -Spark Shuffle概述 (01:54)

6-13 -图解RDD的shuffle以及依赖关系 (12:13)

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 (02:05)

7-2 -优化之HistoryServer配置及使用 (15:32)

7-3 -优化之序列化 (05:48)

7-4 -优化之内存管理 (07:55)

7-5 -优化之广播变量 (02:51)

7-6 -优化之数据本地性 (05:32)

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 (01:52)

8-2 -Spark SQL前世今生 (10:28)

8-3 -Spark SQL概述&错误认识纠正 (13:43)

8-4 -Spark SQL架构 (03:17)

8-5 -Dataframe&Dataset详解 (07:15)

8-6 -Dataframe API编程 (14:55)

8-7 -RDD与Dataframe互操作方法一 (09:37)

8-8 -RDD与Dataframe互操作方法二 (06:02)

8-9 -Spark SQL其他 (05:24)

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 (01:35)

9-2 -Spark Streaming概述 (07:37)

9-3 -实时流处理框架对比 (04:24)

9-4 -Spark Streaming执行原理 (07:18)

9-5 -从词频统计案例来了解SparkStreaming (10:20)

9-6 -核心概念之StreamingContext (17:25)

9-7 -核心概念之DStream及常用操作 (06:20)

9-8 -SparkStreaming操作文件系统数据实战 (06:03)

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 (04:01)

10-2 -工作流概述 (08:51)

10-3 -工作流在大数据处理中的重要性 (11:29)

10-4 -常用调度框架介绍 (07:37)

10-5 -Azkaban概述及特性 (09:55)

10-6 -Azkaban架构 (07:34)

10-7 -Azkaban运行模式详解 (06:50)

10-8 -Azkaban源码编译 (08:56)

10-9 -Azkaban solo server环境部署 (09:29)

10-10 -Azkaban快速入门案例 (06:06)

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 (02:59)

11-2 -依赖作业在Azkaban中的使用 (06:50)

11-3 -HDFS作业在Azkaban中的使用 (03:21)

11-4 -MapReduce作业在Azkaban中的使用 (12:28)

11-5 -Hive作业在Azkaban中的使用 (08:26)

11-6 -定时调度作业在Azkaban中的使用 (05:14)

11-7 -邮件告警及SLA在Azkaban中的使用 (08:43)

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 (05:27)

12-2 -Two Server Mode之数据库准备工作 (07:06)

12-3 -Two Server Mode之AzkabanWebServer搭建 (14:41)

12-4 -Two Server Mode之AzkabanExecServer搭建 (04:52)

12-5 -Two Server Mode之使用实战 (07:25)

12-6 -Azkaban权限管理 (03:52)

12-7 -Azkaban中AJAX API使用 (14:46)

12-8 -Azkaban Plugin的使用 (04:45)

12-9 -Azkaban中短信告警改造思路 (03:25)

12-10 Azbakan在生产上使用的改造思路 (05:46)

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 (01:24)

13-2 -大数据项目开发流程 (14:05)

13-3 -大数据企业级应用 (07:57)

13-4 -企业级大数据分析平台 (05:55)

13-5 -集群数据量预估 (05:01)

13-6 -集群机器规模&资源&作业规划 (04:58)

13-7 -项目需求 (06:22)

13-8 -数据加载成Dataframe并选出需要的列 (09:00)

13-9 -SparkSQL UDF函数开发 (07:57)

13-10 -每年Grade出现的次数统计 (02:51)

13-11 -Grade在每年中的占比统计 (04:59)

13-12 -ES部署及使用 (07:49)

13-13 -Kibana部署及使用 (04:55)

13-14 -将作业运行到YARN上 (05:31)

13-15 -统计分析结果写入ES测试 (11:27)

13-16 -统计分析结果入ES并通过Kibana图形化展示 (09:09)

13-17 -作业 (02:03)

13-18 -通过Azkaban调度整个流程 (04:29)

13-19 -课程总结及展望(重点关注) (03:53)

下载地址