Python3实战Spark大数据分析及调度 （网盘分享）
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：715301384
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——715301384，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)