Python3实战Spark大数据分析及调度

课程目录：

第1章 课程介绍

课程介绍

1-1 PySpark导学

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

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

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)