課程介紹

 

其他精品熱門課程班:

vsa發(fā)動(dòng)機(jī)培訓(xùn)課程

云計(jì)算運(yùn)維培訓(xùn)課程

阿里云運(yùn)維管理培訓(xùn)課程

Azure Fabric Controller培訓(xùn)課程

AppFabric培訓(xùn)課程

無刷電機(jī)FOC驅(qū)動(dòng)設(shè)計(jì)培訓(xùn)課程

家電產(chǎn)品PCB板不良分析培訓(xùn)課程

車燈透鏡光學(xué)設(shè)計(jì)培訓(xùn)課程

BIM（ Revit）培訓(xùn)課程

zemax光學(xué)培訓(xùn)課程

流熱固多物場(chǎng)耦合計(jì)算與工程應(yīng)用培訓(xùn)課程

材料損傷、失效、斷裂與裂紋擴(kuò)展計(jì)算培訓(xùn)課程

UDEC軟件培訓(xùn)課程

yolo培訓(xùn)

yolo實(shí)戰(zhàn)培訓(xùn)課程

沖鍛仿真培訓(xùn)

通信運(yùn)營(yíng)商數(shù)字化轉(zhuǎn)型培訓(xùn)課程

數(shù)字化流程培訓(xùn)課程

企業(yè)數(shù)字化轉(zhuǎn)型路徑與成熟度評(píng)估培訓(xùn)課程

金融行業(yè)數(shù)字化轉(zhuǎn)型培訓(xùn)課程

數(shù)字化轉(zhuǎn)型市場(chǎng)經(jīng)營(yíng)分析與高效數(shù)據(jù)處理培訓(xùn)課程

 

 

曙海教學(xué)優(yōu)勢(shì)

　 面向企事業(yè)單位的項(xiàng)目實(shí)際需要,本課程以項(xiàng)目實(shí)現(xiàn)為導(dǎo)向,秉承二十一年教學(xué)品質(zhì)，授課老師將會(huì)與您分享設(shè)計(jì)的全流程以及工具的綜合使用技巧以及經(jīng)驗(yàn)。您可以定制課程,線上/線下/上門都可以,報(bào)名熱線:4008699035。

　 二十多年來，曙海培訓(xùn)的課程培養(yǎng)了大批受歡迎的工程師。曙海的課程在業(yè)內(nèi)廣受好評(píng)。大批企事業(yè)單位和曙海
建立了良好的合作關(guān)系,合作企業(yè)30萬+。

 

精品課程班級(jí)列表

• ?　　以下就是本次Spark培訓(xùn)內(nèi)容

  　　第一部分

  　　1、Spark的架構(gòu)設(shè)計(jì)

  　　1.1 Spark生態(tài)系統(tǒng)剖析

  　　1.2 Spark的架構(gòu)設(shè)計(jì)剖析

  　　1.3 RDD計(jì)算流程解析

  　　1.4 Spark的出色容錯(cuò)機(jī)制

  　　2、Spark編程模型

  　　2.1 RDD

  　　2.2 transformation

  　　2.3 action

  　　2.4 lineage

  　　2.5寬依賴與窄依賴

  　　3、深入Spark內(nèi)核

  　　3.1 Spark集群

  　　3.2 任務(wù)調(diào)度

  　　3.3 DAGScheduler

  　　3.4 TaskScheduler

  　　3.5 Task內(nèi)部揭秘

  　　4、Spark的廣播變量與累加器

  　　4.1 廣播變量的機(jī)制

  　　4.2 廣播變量使用最佳實(shí)踐

  　　4.3 累加器的機(jī)制

  　　4.4 累加器使用的最佳實(shí)踐

  　　5、編寫Spark程序

  　　5.1 程序數(shù)據(jù)的來源：File、HDFS、HBase、S3等

  　　5.2 IDE環(huán)境構(gòu)建

  　　5.3 Maven

  　　5.4 sbt.

  　　5.5 編寫并部署Spark程序的實(shí)例

  　　6、SparkContext解析和數(shù)據(jù)加載以及存儲(chǔ)

  　　6.1 源碼剖析SparkContext

  　　6.2 Scala、Java、Python使用SparkContext

  　　6.4 加載數(shù)據(jù)成為RDD

  　　6.5 把數(shù)據(jù)物化

  　　第二部分

  　　7、深入實(shí)戰(zhàn)RDD

  　　7.1 DAG

  　　7.2 深入實(shí)戰(zhàn)各種Scala RDD Function

  　　7.3 Spark Java RDD Function

  　　7.4 RDD的優(yōu)化問題

  　　8、Shark的原理和使用

  　　8.1 Shark與Hive

  　　8.2 安裝和配置Shark

  　　8.3 使用Shark處理數(shù)據(jù)

  　　8.4 在Spark程序中使用Shark Queries

  　　8.5 SharkServer

  　　8.6 思考Shark架構(gòu)

  　　9、Spark的機(jī)器學(xué)習(xí)

  　　9.1 LinearRegression

  　　9.2 K-Means

  　　9.3 Collaborative Filtering

  　　10、Spark的圖計(jì)算GraphX

  　　10.1 Table Operators

  　　10.2 Graph Operators

  　　10.3 GraphX

  　　11、Spark SQL

  　　11.1 Parquet支持

  　　11.2 DSL

  　　11.3 SQL on RDD

  　　第三部分

  　　12、Spark實(shí)時(shí)流處理

  　　12.1 DStream

  　　12.2 transformation

  　　12.3 checkpoint

  　　12.4 性能優(yōu)化

  　　13、Spark程序的測(cè)試

  　　13.1 編寫可測(cè)試的Spark程序

  　　13.2 Spark測(cè)試框架解析

  　　13.3 Spark測(cè)試代碼實(shí)戰(zhàn)

  　　14、Spark的優(yōu)化

  　　14.1 Logs

  　　14.2 并發(fā)

  　　14.3 內(nèi)存

  　　14.4 垃圾回收

  　　14.5 序列化

  　　14.6 安全

  　　15、Spark on Yarn

  　　15.1 Spark on Yarn的架構(gòu)原理

  　　15.2 Spark on Yarn的最佳實(shí)踐

  　　16、JobServer

  　　16.1 JobServer的架構(gòu)設(shè)計(jì)

  　　16.2 JobServer提供的接口

  　　16.3 JobServer最佳實(shí)踐

  
  
  

  ---
• 垂詢曙?？头?/span>