/ 实战 / Python3实战Spark大数据分析及调度
收藏

Python3实战Spark大数据分析及调度

Python3玩转Spark开发,Azkana让作业井然有序

Python3实战Spark大数据分析及调度

难度 中级 时长 15小时 学习人数 454 好评度 100%

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 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)
本课程已完结

试看

全部试看小节



讲师

Michael__PK 全栈工程师

八年互联网公司一线研发经验,担任大数据架构师。 主要从事基于Spark/Flink为核心打造的大数据公有云、私有云数据平台产品的研发。 改造过Hadoop、Spark等框架的源码为云平台提供更高的执行性能。 集群规模过万,有丰富的大数据项目实战经验以及授课经验(授课数千小时,深受学员好评)。

课程预览

检测到您还没有关注慕课网服务号,无法接收课程更新通知。请扫描二维码即可绑定
重新观看
意见反馈 邀请有奖 帮助中心 APP下载
官方微信