开篇词 (1讲)
开篇词 | 从这里开始，带你走上硅谷一线系统架构师之路
时长 09:06
模块一 | 直通硅谷大规模数据处理技术 (3讲)
01 | 为什么MapReduce会被硅谷一线公司淘汰？
时长 11:34
02 | MapReduce后谁主沉浮：怎样设计下一代数据处理技术？
时长 12:24
03 | 大规模数据处理初体验：怎样实现大型电商热销榜？
时长 10:17
模块二 | 实战学习大规模数据处理基本功 (8讲)
04 | 分布式系统（上）：学会用服务等级协议SLA来评估你的系统
时长 11:51
05 | 分布式系统（下）：架构师不得不知的三大指标
时长 11:00
06 | 如何区分批处理还是流处理？
时长 10:29
07 | Workflow设计模式：让你在大规模数据世界中君临天下
时长 08:55
08 | 发布/订阅模式：流处理架构中的瑞士军刀
时长 11:08
09 | CAP定理：三选二，架构师必须学会的取舍
时长 11:37
10 | Lambda架构：Twitter亿级实时数据分析架构背后的倚天剑
时长 13:07
11 | Kappa架构：利用Kafka锻造的屠龙刀
时长 11:39
模块三 | 抽丝剥茧剖析Apache Spark设计精髓 (10讲)
12 | 我们为什么需要Spark？
时长 11:02
13 | 弹性分布式数据集：Spark大厦的地基（上）
时长 11:47
14 | 弹性分布式数据集：Spark大厦的地基（下）
时长 11:52
15 | Spark SQL：Spark数据查询的利器
时长 11:22
16 | Spark Streaming：Spark的实时流计算API
时长 09:51
17 | Structured Streaming：如何用DataFrame API进行实时数据分析?
时长 11:14
18 | Word Count：从零开始运行你的第一个Spark应用
时长 11:08
19 | 综合案例实战：处理加州房屋信息，构建线性回归模型
时长 11:50
20 | 流处理案例实战：分析纽约市出租车载客信息
时长 12:07
21 | 深入对比Spark与Flink：帮你系统设计两开花
时长 14:02
模块四 | Apache Beam为何能一统江湖 (8讲)
22 | Apache Beam的前世今生
时长 11:45
23 | 站在Google的肩膀上学习Beam编程模型
时长 12:33
24 | PCollection：为什么Beam要如此抽象封装数据？
时长 10:02
25 | Transform：Beam数据转换操作的抽象方法
时长 09:45
26 | Pipeline：Beam如何抽象多步骤的数据流水线？
时长 09:24
27 | Pipeline I/O: Beam数据中转的设计模式
时长 10:54
28 | 如何设计创建好一个Beam Pipeline？
时长 07:52
29 | 如何测试Beam Pipeline？
时长 10:16
模块五 | 决战 Apache Beam 真实硅谷案例 (7讲)
30 | Apache Beam实战冲刺：Beam如何run everywhere?
时长 10:03
31 | WordCount Beam Pipeline实战
时长 07:59
32 | Beam Window：打通流处理的任督二脉
时长 08:12
33 | 横看成岭侧成峰：再战Streaming WordCount
时长 09:47
34 | Amazon热销榜Beam Pipeline实战
时长 12:18
35 | Facebook游戏实时流处理Beam Pipeline实战（上）
时长 09:18
36 | Facebook游戏实时流处理Beam Pipeline实战（下）
时长 08:54
模块六 | 大规模数据处理的挑战与未来 (4讲)
37 | 5G时代，如何处理超大规模物联网数据
时长 11:00
38 | 大规模数据处理在深度学习中如何应用？ 隐藏内容此处内容需要权限查看
会员免费查看
隐藏内容
此处内容需要权限查看
会员免费查看时长 11:14
39 | 从SQL到Streaming SQL：突破静态数据查询的次元
时长 09:48
40 | 大规模数据处理未来之路
时长 09:01
专栏加餐 | 特别福利 (4讲)
FAQ第一期 | 学习大规模数据处理需要什么基础？
时长 09:09
加油站 | Practice makes perfect！
时长 07:02
FAQ第二期 | Spark案例实战答疑
时长 09:36
FAQ第三期 | Apache Beam基础答疑
时长 09:52
结束语 (1讲)
结束语 | 世间所有的相遇，都是久别重逢
时长 05:32
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
