IT码上发视频教程

标题: 老汤微职位：Spark核心技术 [打印本页]

作者: itmsf 时间: 2019-5-31 14:09
标题: 老汤微职位：Spark核心技术

老汤微职位：Spark核心技术

〖课程介绍〗:
全面而系统的讲解Spark方方面面的知识，贯穿项目实战，使得你在大数据分布式计算领域游刃有余

〖课程目录〗:
      │    1-1IntelliJ IDEA开发spark应用.mp4
│    1-2spark源代码环境的搭建.ts
│    1-3Spark集群安装-虚拟机上Scala的安装.ts
│    1-4Spark集群环境的搭建.ts
│    1-5集群spark-submit提交应用.ts
│    1-6mysql的安装(后面会用到).ts
│    1-7Spark模块学习说明.ts
│    2-2数据重新分区概述.ts
│    2-3Spark分布式计算流程中的几个疑问点.ts
│    2-4从上面的疑问中导出RDD的概念.ts
│    2-5实践：RDD API简单使用一.ts
│    2-6实践：RDD API简单使用二.ts
│    2-7理解Spark分布式内存计算的含义.ts
│    2-8Spark Core组件解决的问题及其特点.ts
│    2-9Spark SQL组件解决的问题及其特点一.ts
│    2-10Spark SQL组件解决的问题及其特点二.ts
│    2-11Spark Streaming组件解决的问题及其特点.ts
│    2-12Spark Graphx组件解决的问题及其特点.ts
│    2-13Spark ml组件解决的问题及其特点.ts
│    2-1Spark是怎么进行分布式计算的？.ts
│    3-1再次理解RDD概念.ts
│    3-2实践：怎么样创建RDD.ts
│    3-3parallelize和makeRDD的实现原理.ts
│    3-5HashPartitioner原理.ts
│    3-6实战：对RDD合理分区能提高性能.ts
│    3-7RangePartitioner的原理.ts
│    3-8Partitioner源码解析.ts
│    3-9Hash对比Range Partitioner.ts
│    3-10实战：自定义Partitioner.ts
│    3-11实战：coalesce使用场景(非常的重要).ts
│    3-12coalesce原理讲解.ts
│    3-13coalesce源码解析.ts
│    3-14单类型RDD的transformation api的使用.ts
│    3-15MapPartitionsRDD的原理代码详解.ts
│    3-16RDD的采样api(sample等).ts
│    3-17RDD分层采样api(sampleByKey等).ts
│    3-18实践：RDD的pipe api的使用.ts
│    3-19RDD的pipe的原理深入讲解.ts
│    3-20单类型RDD的基本action api的讲解.ts
│    3-21combineBykey的七大参数的详解一.ts
│    3-22combineBykey的七大参数的详解二.ts
│    3-23ShuffleRDD的原理详解.ts
│    3-24基于combineByKey的api详解.ts
│    3-25实践：combineBykey实战以及使用过程中需要注意的点.ts
│    3-26reduceByKey和groupByKey的对比.ts
│    3-27cogroup api的感官认识.ts
│    3-28通过原理图和源代码详解cogroup原理.ts
│    3-29join等api的原理实现.ts
│    3-30subtractByKey的原理.ts
│    3-31sortedByKey原理.ts
│    3-32count、countByKey等计数api.ts
│    3-33union的使用及其原理.ts
│    3-34intersection的使用及其原理.ts
│    3-35cartesian笛卡尔积的使用及其原理.ts
│    3-36zip的使用及其原理.ts
│    3-37RDD的缓存机制，即persist.ts
│    3-38checkpoint的作用和实现流程.ts
│    3-39checkpoint实现原理一.ts
│    3-40checkpoint实现原理二.ts
│    3-41broadcast的机制及其用法.ts
│    3-42accumulator的使用及其自定义accumulator.ts
│    3-43spark支持的读写存储系统.ts
│    3-44HadoopRDD的原理和实现.ts
│    3-45spark支持的通用的文件格式.ts
│    3-46二进制文件的读写.ts
│    3-47spark sql读写parquet and avro文件.ts
│    3-48项目实战：业务讲解.ts
│    3-49项目实战：代码实现讲解一.ts
│    3-4RDD的依赖设计及其特点(必须掌握的知识).ts
│    3-50项目实战：代码实现讲解二.ts
│    3-51项目实战：结果验证.ts
│    4-1课程内容.ts
│    4-2java命令启动JVM.ts
│    4-3java ProcessBuilder启动JVM.ts
│    4-4spark-submit感官认识.ts
│    4-5master和deploy-mode参数详解.ts
│    4-6--conf参数详解.ts
│    4-7driver相关参数的详解.ts
│    4-8executor相关参数的详解.ts
│    4-9--jars参数详解.ts
│    4-10--package相关参数详解.ts
│    4-11--files与--properties-file参数详解.ts
│    4-12--queue相关参数的详解.ts
│    4-13python spark应用的正确提交.ts
│    4-14利用SparkLauncher在代码中提交spark应用.ts
│    4-15spark脚本系统.ts
│    4-16spark-class脚本原理以及实现.ts
│    4-17spark-daemon脚本原理以及实现.ts
│    4-18SparkSubmit原理以及源码分析.ts
│    5-1课程内容.ts
│    5-2stage的划分.ts
│    5-3stage的调度.ts
│    5-4taskset调度的先进先出(FIFO)机制.ts
│    5-5实战：实现taskset调度的公平调度(FAIR).ts
│    5-6taskset调度的公平调度(FAIR)机制需要注意的点.ts
│    5-7task调度的本地性级别定义.ts
│    5-8task调度的延迟调度讲解一.ts
│    5-9task调度的延迟调度讲解二.ts
│    5-10task调度的推测机制.ts
│    5-11task调度的黑名单机制.ts
│    5-12task调度的黑名单机制使用场景.ts
│    5-13executor资源的管理.ts
│    5-14task的launch流程及其需要注意的点.ts
│    5-15task的statusUpdate流程.ts
│    5-16schedulers on driver的总体流程.ts
│    5-17源码讲解之schedulers的初始化.ts
│    5-18源码讲解之job提交流程.ts
│    5-19源码讲解之task结果处理.ts
│    5-20动态资源分配机制.ts
│    5-21External shuffle service机制.ts
│    5-22开启External shuffle service机制.ts
│    6-1课程内容.ts
│    6-2DSL.ts
│    6-3SQL.ts
│    6-4数据格式的种类及其特点.ts
│    6-5Spark SQL的初衷.ts
│    6-6SQL On Hadoop - Hive.ts
│    6-7SQL On Hadoop - Imapla.ts
│    6-8Shark.ts
│    6-9大事记.ts
│    6-10Spark SQL四大目标.ts
│    6-11Spark SQL架构及其处理流.ts
│    6-12API实现的发展.ts
│    6-13DataFrame.ts
│    6-14Dataset.ts
│    6-15API演化的合理性.ts
│    6-16Dataset API分类.ts
│    6-17Spark SQL未来会成为Spark的新核心.ts
│    7-1spark SQL基本概念.ts
│    7-2浅尝spark SQL的API.ts
│    7-3SparkSession的讲解.ts
│    7-4DataFrame的创建.ts
│    7-5Dataset的创建.ts
│    7-6RDDDatasetDataFrame的转换.ts
│    7-7schema的定义以及复杂数据类型的用法.ts
│    7-8实战：schema api的用处.ts
│    7-9数据源-基本操作load和save.ts
│    7-10数据源-parquet和orc文件的读写.ts
│    7-11数据源-json文件的读写一.ts
│    7-12数据源-json文件的读写二.ts
│    7-13数据源-csv文件的读写一.ts
│    7-14数据源-通过jdbc读写mysql数据库.ts
│    7-15通过jdbc写mysql数据库需要注意的点.ts
│    7-16通过jdbc读mysql数据库需要注意的点.ts
│    7-17数据源-text文件和table数据源的读写.ts
│    7-18数据源实战之数据分区.ts
│    7-19catalog元数据管理讲解.ts
│    7-20DDL-表的类型种类及其创建方式.ts
│    7-21DQL-sql查询及其sql函数讲解.ts
│    7-22SQL内置函数(绝对全).ts
│    7-23Column的表达.ts
│    7-24DataFrame中Untyped API讲解.ts
│    7-25DataFrame Untyped API与SQL对比.ts
│    7-26Dataset typed API.ts
│    7-27group分组聚合相关API.ts
│    7-28join关联相关API.ts
│    7-29sort排序相关API.ts
│    7-30实战：自定义UDAF.ts
│    7-31Action API和其他API.ts
│    7-32RDDsDataFramesDatasets各自使用场景.ts
│    7-33实战一：json格式数据处理.ts
│    7-34实战二：物联网设备信息的ETL.ts

〖百度网盘下载地址〗:

---------------------------------华丽分割线--------------------------------华丽分割线-------------------华丽分割线-------------------------华丽分割线----------------

〖下载地址失效反馈〗:
如果下载地址失效，请尽快反馈给我们，我们尽快修复。反馈地址：https://www.itmsf.com/forum-66-1.html

〖赞助VIP免学币下载全站资源〗:
全站资源高清无密，每天更新，vip特权了解一下：https://www.itmsf.com/plugin.php?id=threed_vip

〖客服24小时咨询〗:
有任何问题，请点击右侧QQ咨询。

作者: vnetoolxw 时间: 2019-6-1 03:01
真是难得给力的资源啊！支持【IT码上发视频学习网】！

作者: HelloCode 时间: 2019-6-1 09:02
真是难得给力的资源啊！支持【IT码上发视频学习网】！

作者: ille 时间: 2019-7-2 23:49
感谢分享！！

作者: wxt2019 时间: 2019-9-10 12:34
持续关注相关老汤微职位：大数据实时流处理技术

作者: china_WL 时间: 2019-9-13 10:42
看到这样的好资源真是高兴！感谢【IT码上发视频学习网】的无私分享！

作者: china_WL 时间: 2019-9-14 14:08
看到这样的好资源真是高兴！感谢【IT码上发视频学习网】的无私分享！

作者: stuart 时间: 2019-9-18 17:36
太生气了，无法HOLD啦 >_<......为什么我才发现【IT码上发视频学习网】这样的好站！

作者: ithuangqing 时间: 2019-12-16 22:39
太生气了，无法HOLD啦 >_<......为什么我才发现【IT码上发视频学习网】这样的好站！

作者: 迷途知多远 时间: 2020-4-4 10:45
看到这样的好资源真是高兴！感谢【IT码上发视频学习网】的无私分享！

作者: cms0315 时间: 2020-6-28 17:01
真是难得给力的资源啊！支持【IT码上发视频学习网】！

作者: mage 时间: 2020-11-26 11:01
看到这样的好资源真是高兴！感谢【IT码上发视频学习网】的无私分享！

作者: lyd723 时间: 2022-6-7 08:51
太生气了，无法HOLD啦 >_<......为什么我才发现【IT码上发视频学习网】这样的好站！

作者: asuka0948 时间: 2023-10-21 18:12
非常感谢！

作者: superfongfong 时间: 2024-4-15 13:31
激动人心，无法言表！【IT码上发视频学习网】太给力了！

欢迎光临 IT码上发视频教程 (https://www.itmsf.com/)