Python3实战Spark大数据分析及调度

【课程介绍】本课程使用python3实战讲解了Spark核心功能组件，并结合调度爆款框架Azkaban，来对作业进行调度，最后以天气数据分析做为实战项目，让你学会对大数据进行处理与分析，让Python开发人员也能对Spark应用程序进行开发及调优。

【课程目录】

• 第1章 课程介绍课程介绍
  • 1-1 PySpark导学
    

  • 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
    

  • 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
    

  • 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)