Spark SQL极速入门 整合Kudu实现广告业务数据分析

【课程介绍】课程结合案例驱动，全面讲解Spark SQL大数据离线理处理必备的知识点。在项目部分，使用Kudu整合Spark进行广告业务功能的实现，并针对已实现的需求代码进行调优；通过扩展Presto和大数据平台建设方面的相关内容，进一步提升技能。本课程干货丰富，是大数据开发者们加薪、跳槽、转型的必备利器。

【课程目录】

• 第1章 课程介绍&学习指南本章会对这门课程进行说明并进行学习方法介绍。
  • 1-1 课程导学
    

  • 1-2 （助你平稳踩坑，畅学无忧，课程学习与解决问题指南）
• 第2章 为什么要学SparkSpark作为近几年最火爆的大数据处理技术，是成为大数据工程师必备的技能之一。本章节将从如下几个方面对Spark进行一个宏观上的介绍：Spark产生背景、特性、环境部署、Spark与Hadoop的对比、Spark开发语言及运行模式等。
  • 2-1 课程目录
  • 2-2 MapReduce的槽点
  • 2-3 Spark特性详解
  • 2-4 Spark Stack
  • 2-5 OOTB环境的使用
  • 2-6 JDK部署
  • 2-7 Maven部署
  • 2-8 IDEA部署
  • 2-9 HDFS部署
  • 2-10 YARN部署
  • 2-11 Hive部署
  • 2-12 Spark运行模式
  • 2-13 使用IDEA和Maven开发第一个Spark应用程序
  • 2-14 词频统计按照单词出现次数的降序排列
  • 2-15 local模式下spark-shell的使用
  • 2-16 local模式下使用spark-submit提交Spark应用程序
  • 2-17 YARN模式下提交Spark应用程序
  • 2-18 Standalone模式下提交Spark应用程序
  • 2-19 Hadoop和Spark生态圈对比
  • 2-20 Hadoop与Spark对比
  • 2-21 Spark和Hadoop的相互协作
• 第3章 Spark SQL快速入门Spark SQL面世已来，深受小伙伴们的喜爱，继续为Spark用户提供高性能SQL on Hadoop解决方案，还为Spark带来了通用、高效、多元一体的结构化数据处理能力。本章将从为什么要学习SQL/Spark SQL、SQL on Hadoop框架、Spark SQL概述、架构及快速入门，这几个角度进行展开讲解…
  • 3-1 课程目录
  • 3-2 为什么需要SQL
  • 3-3 SQL on Hadoop
  • 3-4 详解Spark SQL是什么以及常见误区解读
  • 3-5 Spark SQL概述
  • 3-6 为什么要学习Spark SQL
  • 3-7 Spark SQL架构
  • 3-8 spark-shell使用详解
  • 3-9 spark-sql使用详解并结合讲解Catalyst的执行过程
  • 3-10 spark-shell启动流程分析之uname以及case匹配的使用
    

  • 3-11 spark-shell启动流程分析之dirname和if的使用
  • 3-12 spark-shell启动流程分析之传递参数详解
  • 3-13 spark-shell启动流程分析之spark-submit
  • 3-14 spark-sql启动流程分析
• 第4章 Spark SQL API编程DataFrame&Dataset是Spark2.x中最核心的编程对象，Spark2.x中的子框架能够使用DataFrame或Dataset来进行数据的交互操作。本章将从DataFrame的概述、DataFrame对比RDD、DataFrame API操作等方面对DataFrame做详细的编程开发讲解。
  • 4-1 课程目录
  • 4-2 认知SparkSession
  • 4-3 了解SQLContext
  • 4-4 认识DataFrame
  • 4-5 DataFrame API基本使用
  • 4-6 DataFrame中前N条的取值方式
  • 4-7 通过实战案例学习DataFrame常用API
  • 4-8 Dataset概述及操作
  • 4-9 DataFrame vs Dataset
  • 4-10 Interoperating with RDD概述
  • 4-11 实现方式一
  • 4-12 实现方式二
• 第5章 Data Source APISpark SQL中的核心功能，可以使用Data Source API非常方便的对存储在不同系统上的不同格式的数据进行操作。本章将讲解如何使用Data Source API来操作text、json、Parquet、JDBC中的数据以及综合使用。
  • 5-1 课程目录
  • 5-2 Data Source概述
    

  • 5-3 text数据源读写案例
  • 5-4 SaveMode的使用详解
  • 5-5 json数据源案例
  • 5-6 Data Source API标准写法
  • 5-7 Parquet数据源案例
  • 5-8 Data Source格式转换
  • 5-9 jdbc数据源案例
  • 5-10 通过统一配置参数管理工程中使用到的参数
• 第6章 整合Hive操作及函数如何使用Spark对接已有数据仓库Hive中的数据，这是在生产中常见的问题。本章将讲解如何使用Spark无缝对接Hive中已有数据进行处理，thriftserver的使用、以及如何使用Spark SQL中的内置函数以及自定义函数。
  • 6-1 课程目录
  • 6-2 Spark对接Hive的原理及实操
  • 6-3 thriftserver&beeline的使用
  • 6-4 使用代码连接Server
  • 6-5 Server模式vs例行作业模式(思考题)
  • 6-6 hive数据源案例
  • 6-7 Spark SQL内置函数实战
  • 6-8 Spark SQL自定义UDF实战
• 第7章 Kudu入门近两年，KUDU在大数据平台的应用越来越广泛，她是Cloudera开源的运行在Hadoop平台上的列式存储系统，能够为我们提供“fast analytics on fast data”。本章将从Kudu的核心概念、架构、部署、API操作以及Spark整合Kudu的使用展开讲解。
  • 7-1 课程目录
  • 7-2 kudu概述&核心概念&架构
  • 7-3 kudu部署
  • 7-4 API操作之创建表
  • 7-5 API操作之插入数据&删除表&数据查询
  • 7-6 API操作之修改表数据及表名
  • 7-7 Spark整合Kudu的读写操作
• 第8章 基于Spark SQL和Kudu的广告业务项目实战（一）本章使用Spark SQL整合Kudu对广告业务项目进行统计分析操作。涉及到的过程有：项目架构、数据清洗、数据统计、结果入库、项目重构。通过本实战项目将Spark SQL和Kudu中的知识点融会贯通，达到举一反三的效果 。
  • 8-1 课程目录
  • 8-2 广告业务背景
  • 8-3 项目需求
  • 8-4 项目架构及数据处理流程
  • 8-5 日志字段说明
  • 8-6 需求一之IP规则库解析
  • 8-7 需求一之使用API编程完成日志ip字段解析
  • 8-8 需求一之使用SQL方式完成日志ip字段解析
  • 8-9 需求一之ODS数据落地到Kudu
  • 8-10 需求一之落地到Kudu表重构
  • 8-11 需求二功能实现
  • 8-12 需求一二代码结构大重构
• 第9章 基于Spark SQL和Kudu的广告业务项目实战（二）基于上一章节做更复杂维度的统计分析，作业的封装、调度。
  • 9-1 课程目录
  • 9-2 需求三之第一阶段统计功能实现
  • 9-3 需求三之第二阶段统计功能实现
  • 9-4 需求三之统计结果落地到Kudu
  • 9-5 需求四功能实现
  • 9-6 通过参数传递到Spark作业重构代码并打包
  • 9-7 将项目运行在服务器上
  • 9-8 定时调度提交Spark作业到服务器运行
  • 9-9 本章节小结
• 第10章 Spark调优策略Spark应用调优是一个在生产上或者面试中老生常谈的问题，本章节将从资源设置、广播变量、Shuffle、JVM引发的相关角度逐一展开讲解。
  • 10-1 课程目录
  • 10-2 调优之资源设置
  • 10-3 广播变量在Spark中的使用一
  • 10-4 广播变量在Spark中是使用二
  • 10-5 广播变量思考题(重要)
  • 10-6 Shuffle调优
  • 10-7 Spark与GC相关概念理解
  • 10-8 JVM GC引起的问题调优
  • 10-9 其他调优
• 第11章 Presto初识Preso也是当下用的非常多的一种SQL on Hadoop的解决方案。本章节将从Presto架构、API操作等角度出发，通过一个案例来进行综合演练。
  • 11-1 课程目录
  • 11-2 Presto是什么&能做什么&谁在使用它
  • 11-3 Presto架构
  • 11-4 Presto部署
  • 11-5 整合MySQL Connector
  • 11-6 整合Hive Connector
  • 11-7 Presto整合多个Connector操作
  • 11-8 Presto API操作
• 第12章 云平台建设的思考本章将从如何建设大数据云平台的角度，涉及到数据平台的N个方面，是小伙伴以后进入大厂工作奠定基础，同时也会从Spark vs Flink的角度来为小伙伴们分析选型时的疑惑。
  • 12-1 课程目录
  • 12-2 大数据项目和平台的差异性对比
  • 12-3 认知云平台能为我们提供的能力
  • 12-4 大数据云平台功能架构
  • 12-5 数据湖架构
  • 12-6 数据存储和计算角度剖析
  • 12-7 资源角度剖析
  • 12-8 兼容性角度剖析
  • 12-9 执行引擎和运行方式适配角度剖析
  • 12-10 Spark和Flink的选择
• 第13章 （讨论群内直播内容分享）Spark3新特性Spark3是一个里程碑版的版本，其中包含很多新的特性，本次直播中主要带大家知晓新特性有哪些，以及讲解动态分区裁剪、外部数据源V2、自适应查询执行等相关知识。
  • 13-1 Spark概述
  • 13-2 Spark3.x新特性
  • 13-3 DataSource API V2
  • 13-4 动态分区裁剪
  • 13-5 自适应查询执行

***https://pan.baidu.com/s/1Y8YNd2mPCyH9QJMKsN1P6w 提取码：42hl
***