天天干天天操天天爱-天天干天天操天天操-天天干天天操天天插-天天干天天操天天干-天天干天天操天天摸

       1、培訓過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓班中重聽；
       2、課程完成后,授課老師留給學員手機和Email,保障培訓效果,免費提供半年的技術支持。
       3、培訓合格學員可享受免費推薦就業(yè)機會?！詈细駥W員免費頒發(fā)相關工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術培訓15年，曙海學員的能力得到大家的認同，受到用人單位的廣泛贊譽，曙海的證書受到廣泛認可。

• 培訓特色
  Spark已經(jīng)被不少互聯(lián)網(wǎng)公司采用，大部分數(shù)據(jù)挖掘算法和迭代式算法在逐步MapReduce平臺遷移到Spark平臺中，包括阿里巴巴（廣告系統(tǒng)），騰訊（廣點通精準推薦），百度，優(yōu)酷土豆，360，支付寶等互聯(lián)網(wǎng)公司已經(jīng)在線上產(chǎn)品中使用spark，且取得了令人滿意的效果，另外，部分省份的運營商也正在嘗試使用spark解決數(shù)據(jù)挖掘和分析問題，部分銀行，如工商銀行，也正在嘗試spark平臺。
• 目標收益
  本課程將為大家全面而又深入的介紹Spark平臺的構建流程，涉及Spark系統(tǒng)基礎知識，概念及架構， Spark實戰(zhàn)技巧，Spark經(jīng)典案例等。
  通過本課程實踐，幫助學員對Spark生態(tài)系統(tǒng)有一個清晰明了的認識；理解Spark系統(tǒng)適用的場景；掌握Spark等初中級應用開發(fā)技能；搭建穩(wěn)定可靠的Spark集群，滿足生產(chǎn)環(huán)境的標準；了解和清楚大數(shù)據(jù)應用的幾個行業(yè)中的經(jīng)典案例，包括阿里巴巴，騰訊，百度等互聯(lián)網(wǎng)行業(yè)，中國移動和聯(lián)通等運營商。
• 培訓對象
• 各類 IT/軟件企業(yè)和研發(fā)機構的軟件架構師、軟件設計師、程序員。對于懷有設計疑問和問題，需要梳理解答的團隊和個人，效果佳。
• 學員基礎
• 1) 了解Java語言（Scala語言會作為課程內(nèi)容進行介紹）；
  2) 了解Linux系統(tǒng)；
• 課程大綱
  
• 主題 內(nèi)容
  Spark大數(shù)據(jù)架構概述及案例簡介
• 1. 1介紹Spark大數(shù)據(jù)層級架構及各層軟件設計要求，包括數(shù)據(jù)收集，大數(shù)據(jù)存儲，大數(shù)據(jù)計算框架，大數(shù)據(jù)應用等
  1.2. Hadoop與Spark區(qū)別與關系
  1.3. Spark生態(tài)系統(tǒng)概述以及版本演化，并給出spark版本選擇建議
  1.4. Spark典型案例簡介(簡要介紹案例，具體在后面各節(jié)會詳細介紹)
  Spark商品推薦系統(tǒng)、用戶標簽系統(tǒng)
• Spark產(chǎn)生動機與基本概念
• 2.1 Spark產(chǎn)生背景，與MapReduce對比，其優(yōu)缺點是什么
  2.2 Spark核心概念
  （1）RDD
  （2）基本操作：transformation與 action
  2.2 Spark程序架構
  （1）Driver/executor
  （2）容錯機制
• Spark安裝部署
• 3.1 Spark運行模式簡介、standlone模式、Spark on yarn模式
  3.2 搭建一個spark on yarn集群、搭建yarn集群、運行第一個spark程序
• Spark程序設計實例
• 4.1 Scala語言基礎，常用語法以及庫函數(shù)
  4.2 Spark程序設計方法
  1.Spark程序基本構成,SparkContext，RDD，transformation/action
  2.Spark API介紹
  （1） 如何創(chuàng)建RDD（scala集合，HDFS文件，HBase文件等）
  （2）如何基于RDD進行數(shù)據(jù)處理，介紹常見的分布式算子
  （3）如何保存處理結果（返回到driver端，寫入hdfs等）
  （4）廣播變量與累加器
  4.3 Spark程序設計實例
  （1）分布式Pi估算程序
  （2）K-means分類算法實現(xiàn)
  （3）邏輯回歸算法實現(xiàn)
• Spark內(nèi)部原理
• 5.1 Spark程序運行流程概述
  介紹Spark從提交，到調(diào)度，到后執(zhí)行完成整個過程
  5.2 Spark內(nèi)部執(zhí)行流程
  介紹Spark程序內(nèi)部的邏輯查詢計劃，物理查詢計劃，調(diào)度等幾個環(huán)節(jié)
  5.3 Spark shuffle實現(xiàn)
  介紹Spark shuffle發(fā)展史及實現(xiàn)邏輯
  5.4 Spark算子的內(nèi)部機制
  以reduce By Key和group By Key為例介紹spark算子的內(nèi)部實現(xiàn)原理
• Spark與外部系統(tǒng)整合
• 6.1 Spark與Kafka和flume結合
  介紹如何使用kafka和flume將數(shù)據(jù)導入hadoop中，以便使用spark處理
  6.2 Spark與Storm結合
  介紹如何使用spark實時處理數(shù)據(jù)
  6.3 Spark與HBase和HDFS結合
  介紹Spark如何與HBase和HDFS實現(xiàn)數(shù)據(jù)的讀寫交互
  6.4 Spark與關系型數(shù)據(jù)庫和hive結合
  介紹如何使用spark與關系型數(shù)據(jù)庫和hive結合
• Spark調(diào)優(yōu)方法
• Spark調(diào)優(yōu)思想、方法
• Spark案例分析
• 基于Spark的商品推薦系統(tǒng)，包括：項目背景、項目架構、項目實施
• Spark Streaming應用及案例分析
• 8.1 Spark Streaming產(chǎn)生動機
  8.2 Spark Streaming程序設計
  （1）創(chuàng)建DStream
  （2）基于DStream進行流式處理
  8.3 Spark Streaming容錯與性能優(yōu)化
  （1）Spark Streaming容錯機制
  （2）如何對spark Streaming進行優(yōu)化
  8.4 Spark Streaming案例分析
  基于Spark Streaming的用戶標簽系統(tǒng)，內(nèi)容包括項目背景，項目架構以及實施方法
• Spark SQL
• 9.1 Spark SQL定位
  9.2 如何使用SparkSQL處理數(shù)據(jù)
  （1）使用SparkSQL處理HDFS上數(shù)據(jù)
  （2）使用SparkSQL處理Hive中的數(shù)據(jù)
  9.3 Spark SQL與Spark及Spark Streaming結合
• MLlib
• 10. 介紹Spark的數(shù)據(jù)挖掘庫MLlib，重點介紹其內(nèi)部的幾個分類算法，聚類算法和推薦算法，包括邏輯回歸，K-Means，協(xié)同過濾等
• GraphX
• 11. 介紹Spark內(nèi)部的圖計算框架GraphX，重點介紹它的基本原理及使用方法