Python3实战Spark大数据分析及调度 （网盘分享）

Posted 2020-11-13 nobug123

Python3实战Spark大数据分析及调度

搜索QQ号直接加群获取其它学习资料：517432778

 

 部分课程截图：

 

链接：https://pan.baidu.com/s/1YMmswv47fOUlt-z2A6691A
提取码：z5xv

PS：免费分享，若点击链接无法获取到资料，若如若链接失效请加群

其它资源在群里，私聊管理员即可免费领取；群——517432778，点击加群，或扫描二维码

 

                                                  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

• 第1章 课程介绍

  课程介绍

  •  1-1 PySpark导学试看
  •  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试看
  •  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核心概念试看
  •  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)