开篇词 (1讲)
开篇词 | 入门Spark,你需要学会“三步走”
时长 17:10
基础知识 (12讲)
01|Spark:从“大数据的Hello World”开始
时长 19:54
02 | RDD与编程模型:延迟计算是怎么回事?
时长 19:08
03 | RDD常用算子(一):RDD内部的数据转换
时长 22:08
04 | 进程模型与分布式部署:分布式计算是怎么回事?
时长 18:36
05 | 调度系统:如何把握分布式计算的精髓?
时长 25:50
06 | Shuffle管理:为什么Shuffle是性能瓶颈?
时长 20:01
07 | RDD常用算子(二):Spark如何实现数据聚合?
时长 18:45
08 | 内存管理:Spark如何使用内存?
时长 18:26
09 | RDD常用算子(三):数据的准备、重分布与持久化
时长 23:28
10 | 广播变量 & 累加器:共享变量是用来做什么的?
时长 16:15
11 | 存储系统:数据到底都存哪儿了?
时长 14:55
12 | 基础配置详解:哪些参数会影响应用程序稳定性?
时长 21:12
Spark SQL (10讲)
13 | Spark SQL:让我们从“小汽车摇号分析”开始
时长 17:26
14 | 台前幕后:DataFrame与Spark SQL的由来
时长 20:34
15 | 数据源与数据格式:DataFrame从何而来?
时长 24:57
16 | 数据转换:如何在DataFrame之上做数据处理?
时长 23:40
17 | 数据关联:不同的关联形式与实现机制该怎么选?
时长 20:03
18 | 数据关联优化:都有哪些Join策略,开发者该如何取舍?
时长 17:00
19 | 配置项详解:哪些参数会影响应用程序执行性能?
时长 19:51
20 | Hive + Spark强强联合:分布式数仓的不二之选
时长 24:08
21|Spark UI(上):如何高效地定位性能问题?
时长 15:37
22|Spark UI(下):如何高效地定位性能问题?
时长 18:04
Spark MLlib (7讲)
23 | Spark MLlib:从“房价预测”开始
时长 20:17
24 | 特征工程(上):有哪些常用的特征处理函数?
时长 22:01
25 | 特征工程(下):有哪些常用的特征处理函数?
时长 16:00
26 | 模型训练(上):决策树系列算法详解
时长 16:17
27 | 模型训练(中):回归、分类和聚类算法详解
时长 14:19
28 | 模型训练(下):协同过滤与频繁项集算法详解
时长 14:12
29 | Spark MLlib Pipeline:高效开发机器学习应用
时长 17:40
Structured Streaming (5讲)
30|Structured Streaming:从“流动的Word Count”开始
时长 15:52
31|新一代流处理框架:Batch mode和Continuous mode哪家强?
时长 15:08
32|Window操作&Watermark:流处理引擎提供了哪些优秀机制?
时长 18:16
33|流计算中的数据关联:流与流、流与批
时长 18:46
34|Spark + Kafka:流计算中的“万金油”
时长 18:22
用户故事 (1讲)
用户故事 | 小王:保持空杯心态,不做井底之蛙
时长 08:38
结束语 (2讲)
结束语 | 进入时间裂缝,持续学习
时长 09:08
期末测试|来赴一场100分之约! 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 00:37
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。