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。
