决胜Spark大数据时代企业级最佳实践：Spark Core&Spark SQL&GraphX&Machine Learning&Best Practice

王家林：Spark、Docker、Android技术中国区布道师。

联系邮箱[e-mail] 

电话：[phone] 

QQ:1740415547 

微信号：18610086859  

 

特别说明：

本课程在Spark企业级开发实战的基础之上做了两点增强：

Ø 课程全程有超过100个Spark大数据代码案例；

Ø 课程在第四天特别增加了Spark机器学习深入研究与实战专题，以满足企业级大数据机器学习的高级处理需求，机器学习部分的内容也特别适合于大数据Hadoop&Spark工程师的进阶学习；

 

课程介绍

如何把云计算大数据处理速度提高100倍以上？Spark给出了答案。

Spark是可以革命Hadoop的目前唯一替代者，能够做Hadoop做的一切事情，同时速度比Hadoop快了100倍以上，下图来自Spark的官方网站：

 

可以看出在Spark特别擅长的领域其速度比Hadoop快120倍以上！

 

Spark是基于内存，是云计算领域的继Hadoop之后的下一代的最热门的通用的并行计算框架开源项目，尤其出色的支持Interactive Query、流计算、图计算等。

Spark在机器学习方面有着无与伦比的优势，特别适合需要多次迭代计算的算法。同时Spark的拥有非常出色的容错和调度机制，确保系统的稳定运行，Spark目前的发展理念是通过一个计算框架集合SQL、Machine Learning、Graph Computing、Streaming Computing等多种功能于一个项目中，具有非常好的易用性。

目前SPARK已经构建了自己的整个大数据处理生态系统，如流处理、图技术、机器学习、NoSQL查询等方面都有自己的技术，并且是Apache顶级Project，可以预计的是2014年下半年在社区和商业应用上会有爆发式的增长。

国内的淘宝、优酷土豆等已经使用Spark技术用于自己的商业生产系统中，国内外的应用开始越来越广泛，国外一些大型互联网公司已经部署了Spark。甚至连Yahoo是Hadoop的早期主要贡献者，现在也在多个项目中部署使用Spark，国内我们已经在运营商、电商等传统行业部署了Spark。

 

 

本课程是世界上第一Spark企业级最佳实践课程，课程包含：

Spark的架构设计；

Spark编程模型；

Spark内核框架源码剖析；

Spark的广播变量与累加器；

Shark的原理和使用；

Spark的机器学习；

Spark的图计算GraphX；

Spark SQL；

Spark实时流处理；

Spark程序的测试；

Spark的优化；

Spark on Yarn；

JobServer；

Spark机器学习深入研究与实战

培训对象

1， 云计算大数据从业者；

2， Hadoop使用者；

3，  系统架构师、系统分析师、高级程序员、资深开发人员；

4， 牵涉到大数据处理的数据中心运行、规划、设计负责人；

5， 政府机关，金融保险、移动和互联网等大数据来源单位的负责人；

6， 高校、科研院所涉及到大数据与分布式数据处理的项目负责人；

7， 数据仓库管理人员、建模人员，分析和开发人员、系统管理人员、数据库管理人员以及对数据仓库感兴趣的其他人员；

学员基础 

了解面向对象编程；

了解Linux的基本使用；

 

王家林老师

Spark亚太研究院院长和首席专家，移动互联网、云计算和大数据技术领域技术集大成者。

当今云计算领域最火爆的技术Docker源码级专家和Docker技术在中国的最早实践者之一。

Android架构师、高级工程师、咨询顾问、培训专家；

Spark、Docker、Android技术中国区布道师。

在Spark、Hadoop、Android、Docker等方面有丰富的源码、实务和性能优化经验。彻底研究了Spark从0.5.0到1.1.0共18个版本的Spark源码，Spark最佳畅销书《大数据spark企业级实战》作者；

Hadoop源码级专家，曾负责某知名公司的类Hadoop框架开发工作，专注于Hadoop一站式解决方案的提供，同时也是云计算分布式大数据处理的最早实践者之一，Hadoop的狂热爱好者，不断的在实践中用Hadoop解决不同领域的大数据的高效处理和存储，现在正负责Hadoop在搜索引擎中的研发等，著有《云计算分布式大数据Hadoop实战高手之路---从零开始》《云计算分布式大数据Hadoop实战高手之路---高手崛起》《云计算分布式大数据Hadoop。实战高手之路---高手之巅》等；

多款浏览器定制者，中国大陆HTML5的技术引领者。

为超过50家公司提供了基于Linux和Android的软硬整合解决方案。

擅长构建系统和打造框架，特别精通于Java与C/C++混合的框架实现。

 

通晓Android、HTML5、Hadoop，迷恋英语播音和健美；

致力于Android、HTML5、Hadoop的软、硬、云整合的一站式解决方案；

国内最早（2007年）从事于Android系统移植、软硬整合、框架修改、应用程序软件开发以及Android系统测试和应用软件测试的技术专家和技术创业人员之一。

HTML5技术领域的最早实践者（2009年）之一,成功为多个机构实现多款自定义HTML5浏览器，参与某知名的HTML5浏览器研发；

超过10本的IT畅销书作者；

培训内容

 

第一天 

第1堂课：Spark的架构设计

1.1 Spark生态系统剖析

1.2 Spark的架构设计剖析

1.3 RDD计算流程解析

1.4 Spark的出色容错机制

 

补充主题：快速掌握Scala

1 Scala变量声明、操作符、函数的使用实战

2 apply方法

3 Scal的控制结构和函数

4 Scala数组的操作、Map的操作

5 Scala中的类

6 Scala中对象的使用；

7 Scala中的继承

8 Scala中的特质

9 Scala中集合操作

 

第2堂课：Spark编程模型

2.1 RDD

2.2 transformation

2.3 action

2.4 lineage

2.5宽依赖与窄依赖

 

第3堂课：深入Spark内核

3.1 Spark集群

3.2 任务调度

3.3 DAGScheduler

3.4 TaskScheduler

3.5 Task内部揭秘

 

第4堂课：Spark的广播变量与累加器

4.1 广播变量的机制

4.2 广播变量使用最佳实践

4.3 累加器的机制

4.4 累加器使用的最佳实践

 

第5堂课：编写Spark程序

5.1 程序数据的来源：File、HDFS、HBase、S3等

5.2 IDE环境构建

5.3 Maven

5.4 sbt.

5.5 编写并部署Spark程序的实例

 

第6堂课：SparkContext解析和数据加载以及存储

6.1 源码剖析SparkContext

6.2 Scala、Java、Python使用SparkContext

6.4 加载数据成为RDD

6.5 把数据物化

 

时间 

內  容 

备注 

 

 

 

 

 

 

 

 

 

 

 

 

第二天 

第7堂课：深入实战RDD

7.1 DAG

7.2 深入实战各种Scala RDD Function 

7.3 Spark Java RDD Function

7.4 RDD的优化问题

 

第8堂课：Shark的原理和使用

8.1 Shark与Hive

8.2 安装和配置Shark

8.3 使用Shark处理数据

8.4 在Spark程序中使用Shark Queries

8.5 SharkServer

8.6 思考Shark架构

 

第9堂课：Spark的机器学习

9.1 LinearRegression

9.2 K-Means

9.3 Collaborative Filtering

 

第10堂课：Spark的图计算GraphX

10.1 Table Operators

10.2 Graph Operators

10.3 GraphX

 

第11堂课：Spark SQL

11.1 Parquet支持

11.2 DSL

11.3 SQL on RDD

 

 

 

时间 

內  容 

备注 

 

 

 

 

 

 

 

 

第三天 

第12堂课：Spark实时流处理

12.1 DStream

12.2 transformation

12.3 checkpoint

12.4 性能优化

 

第13堂课：Spark程序的测试

13.1 编写可测试的Spark程序

13.2 Spark测试框架解析

13.3 Spark测试代码实战

 

第14堂课：Spark的优化

14.1 Logs

14.2 并发

14.3 内存

14.4 垃圾回收

14.5 序列化

14.6 安全

 

第15堂课：Spark on Yarn

15.1 Spark on Yarn的架构原理

15.2 Spark on Yarn的最佳实践

 

第16堂课：JobServer

16.1 JobServer的架构设计

16.2 JobServer提供的接口

16.3 JobServer最佳实践

 

时间

內  容 

备注

 

 

 

 

 

 

 

 

第四天 

第17堂课：Generalized Linear Model

u Logistic regression

u Linear regression

u SVM

u LASSO

u Ridge regression

 

第18堂课：Recommendation

u Recommendation ALS

u Singular Value Decomposition

u The implementation in both MLlib and Mahout

u Applied demo of recommendation with PredictionIO.

 

第19堂课：Clustering

u k-means

u LDA

u Applied demo of geo-location clustering and topic modeling

 

第20堂课：Streaming-wised Machine Learning

u Lambda Architecture

u Parameter Server

u Several algorithms from Freeman labs

u Applied demo such as the zebrafish experiment

 

第21堂课：ML Pipeline

u Pipeline of Scikit-learn

u Pipeline of Spark (DataFrame, ML Pipeline, etc.)

u Applied demo (TBD)

 

第22堂课：Optimization in Parallel

u Commonly used optimization algorithms

u Sequential gene of optimization algorithms

u BSP model to BSP+ model to SSP

u Future ways?