内容框架：
大数据概览
如何摆脱技术小白
Spark SQL 学习框架
EMR Studio 上的大数据最佳实践
一、大数据概览
大数据处理 ETL (Data → Data)
大数据分析 BI (Data → Dashboard)
机器学习 AI (Data → Model)
二、如何摆脱技术小白
什么是技术小白？
只懂表面，不懂本质
比如：只懂得参考别人的 Spark 代码，不懂得 Spark 的内在机制，不懂得如何调优 Spark Job
摆脱技术小白的药方
懂得运行机制
学会配置
学会看 Log
懂得运行机制：Spark SQL Architecture
学会配置：如何配置 Spark App
配置 Driver
spark.driver.memory
spark.driver.cores
配置 Executor
spark.executor.memory
spark.executor.cores
配置 Runtime
spark.files
spark.jars
配置 DAE
…..........
学会看 Log：Spark Log
三、Spark SQL 学习框架
Spark SQL 学习框架( 结合图形/几何）
1. Select Rows
2. Select Columns
3. Transform Column
4. Group By / Aggregation
5. Join
Spark SQL 执行计划
1. Spark SQL - Where
2. Spark SQL - Group By
3. Spark SQL - Order by
四、EMR Studio 实践
EMR Studio 特性：
兼容开源组件
支持连接多个集群
适配多个计算引擎
交互式开发 + 作业调度无缝衔接
适用多种大数据应用场景
计算存储分离
1. 兼容开源组件
EMR Studio 在开源软件 Apache Zeppelin，Jupyter Notebook, Apache Airflow 的基础上优化了做了优化和增强。
2. 支持连接多个集群
一个 EMR Studio 可以连接多个 EMR 计算集群，您可以很方便地切换计算集群，提交作业到不同的计算集群上运行。
3. 适配多个计算引擎
自动适配 Hive、Spark、Flink、Presto、Impala 和 Shell 等多个计算引擎，无需复杂配置，多个计算引擎间协同工作
4. 交互式开发 + 作业调度无缝衔接
Notebook + Airflow : 无缝衔接开发环节和生产调度环节
利用交互式开发模式可以快速验证作业的正确性.
在 Airflow 里调度 Notebook 作业，最大程度得保证开发环境和生产环境的一致性，防止由于开发阶段和生产阶段环境不一致而导致的问题。
5. 适用多种大数据应用场景
大数据处理 ETL
交互式数据分析
机器学习
实时计算
6. 计算存储分离
所有数据都保存在 OSS 上，包括：
用户 Notebook 代码
调度作业 Log
即使集群销毁，也可以重建集群轻松恢复数据
