Spark大数据处理与案例分析高级工程师实战培训班

【课程目标】

1、深入理解Spark计算原理和编程模型，掌握Spark Core和SparkSql、SparkStreaming等上层系统的结合方式

2、深入掌握SparkCore、SparkSql使用调优技巧

3、深入掌握SparkStreaming和SparkMllib使用和调优技巧

4、深入掌握Spark和其他组件的结合使用

5、了解Spark与MapReduce分布式计算模型的区别和各自适合的使用场景。

6、能够使用java、python和scala进行spark应用开发（如果要讲解三种语言开发spark，工作量会非常大，建议只讲解一种(可以根据企业的要求来定，）

7、熟练使用spark、spark streaming、spark SQL、spark mllib

8、深入了解spark在大型互联网的架构和使用场景

【培训对象】

各地企事业单位大数据产业相关人员，运营商 IT信息化和运维工程师相关人员，金融业信息化相关人员，或对大数据spark感兴趣的相关人员。

【师资介绍】

张老师：阿里大数据专家，国内的Spark、Hadoop技术专家、虚拟化专家，对HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生态系统中的技术进行了多年的深入的研究，更主要的是这些技术在大量的实际项目中得到广泛的应用，因此在Hadoop开发和运维方面积累了丰富的项目实施经验。近年主要典型的项目有：某电信集团网络优化、中国移动某省移动公司请账单系统和某省移动详单实时查询系统、中国银联大数据数据票据详单平台、某大型银行大数据记录系统、某大型通信运营商全国用户上网记录、某省交通部门违章系统、某区域医疗大数据应用项目、互联网公共数据大云(DAAS)和构建游戏云(Web Game Daas)平台项目等。

【颁发证书】

参加相关培训并通过考试的学员，可以获得：

1.工业和信息化部全国网络与信息技术项目管理中心颁发的-大数据工程师职业技能证书。该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。

【培训特色】

本课程基于新的spark 2讲解，内容涵盖了企业中大数据处理的四大场景：

离线批处理、流式计算、SQL处理、机器学习。Spark是一个广泛应用的分布式内存计算模型，旨在大幅提升的迭代算法和交互低延迟数据挖掘的性能。Spark更适合于迭代运算比较多的ML和DM运算，one stack rule them all！Spark号称一个平台可以适合所有的应用，如SparkSql可以处理结构化数据，SparkStreaming旨在提供实时的计算能力，而SparkMllib则提供了丰富机器学习算法库

【培训大纲】

模块一 Spark 2.1概述

1、Spark产生背景，包括mapreduce缺陷，多计算框架并存等

2、Spark 基本特点

3、Spark版本演化

4、Spark核心概念，包括RDD, transformation, action, cache等

5、Spark生态系统，包括Spark生态系统构成，以及与Hadoop生态系统关系

6、Spark在互联网公司中的地位与应用

7、介绍当前互联网公司的Spark应用案例

8、Spark集群搭建，包括测试集群搭建和生产环境中集群搭建方法，并亲手演示整个过程

9、背景知识补充介绍

模块二 Spark Core

Spark 程序设计与企业级应用案例

1、Spark运行模式介绍

Spark运行组件构成，spark运行模式（local、standalone、mesos/yarn等）

2、Spark开发环境构建

集成开发环境选择，亲手演示spark程序开发与调试，spark运行

3、常见transformation与action用法

介绍常见transformation与action使用方法，以及代码片段剖析

4、常见控制函数介绍

包括cache、broadcast、accumulator等

5、Spark 应用案例：点击流日志分析

包括：背景介绍，数据导入，数据分析，常见Spark transformation和action用法在线演示

模块三 Spark内部原理剖析与源码阅读

1、Spark运行模式剖析

深入分析spark运行模式，包括local，standalone以及spark on yarn

2、Spark运行流程剖析

包括spark逻辑查询计划，物理查询计划以及分布式执行

3、Spark shuffle剖析

深入介绍spark shuffle的实现，主要介绍hash-based和sort-based两种实现

4、Spark 源码阅读

Spark源码构成以及阅读方法

模块四 Spark sql 2.1

Spark SQL基本原理

1、Spark SQL是什么

2、Spark SQL基本原理

3、Spark  Dataframe与DataSet

4、Spark SQL与Spark Core的关系

模块五 Spark SQL程序设计与企业级应用案例

1、Spark SQL程序设计

a. 如何访问MySQL、HDFS等数据源，如何处理parquet格式数据

b. 常用的DSL语法有哪些，如何使用

c. Spark SQL调优技巧

d. 数据倾斜解决方案

模块六 Spark Streaming程序设计及应用案例

1、Spark  Streaming基本原理

a. Spark Streaming是什么

b. Spark Streaming基本原理

c. Structured Streaming

d. Spark  Streaming 编程接口介绍

e. Spark Streaming应用案例

2、Spark  Streaming程序设计与企业级应用案例

a. 常见流式数据处理模式

b. Spark Streaming与Kafka 交互

c. Spark Streaming与Redis交互

d. Spark Streaming部署与运行

e. Spark Streaming企业级案例：用户行为实时分析系统

模块七 Spark MLlib企业级案例

1. Spark MLlib简介

2. 数据表示方式

3. MLlib中的聚类、分类和推荐算法

4. 如何使用MLlib的算法

5. Spark MLLib企业级案例：用户画像之性别预测

模块八 Spark综合案例信用评分实时分析系统

1. 背景介绍

2. 什么是Lambda architecture

3. 利用Spark Core+MLlib+构建离线处理

4. 利用flume+Spark Streaming+Redis构建实时处理线

5. 整合批处理和实时处理线