北风网Spark从入门到精通（案例实战、高级特性 、内核源码
、性能调优）278讲

本课程主要讲解的内容包括：Scala编程
、Hadoop与Spark集群搭建、Spark核心编程 、Spark内核源码深度剖析
、Spark性能调优、Spark SQL 、Spark Streaming。
本课程的特色包括：
1
、代码驱动讲解Spark的各个技术点（绝对不是照着PPT空讲理论）；
2、现场动手画图讲解Spark原理以及源码（绝对不是干讲源码和PPT）；
3 、覆盖Spark所有功能点（Spark RDD
、Spark SQL、Spark Streaming ，初级功能到高级特性
，一个不少）；
4 、Scala全程案例实战讲解（近百个趣味性案例）；
5
、Spark案例实战的代码，几乎都提供了Java和Scala两个版本和讲解（一次性同时精通Java和Scala开发Spark）；
6、大量全网独有的知识点：基于排序的wordcount ，Spark二次排序
，Spark分组取topn，DataFrame与RDD的两种转换方式 ，Spark SQL的内置函数 、开窗函数、UDF
、UDAF，Spark Streaming的Kafka Direct API、updateStateByKey 、transform
、滑动窗口、foreachRDD性能优化 、与Spark SQL整合使用
、持久化、checkpoint 、容错与事务 。
7
、多个从企业实际需求抽取出的复杂案例实战：每日uv和销售额统计案例、top3热卖商品统计案例 、每日top3热点搜索词统计
、广告计费日志实时黑名单过滤案例、热点搜索词滑动统 计案例 、top3热门商品实时统计案例
8、深度剖析Spark内核源码与Spark Streaming源码
，给源码进行详细的注释和讲解
9
、全面讲解Spark、Spark SQL 、Spark Streaming的性能调优，其中包括全网独有的Shuffle性能调优（详细讲解性能调优的各个技术点）
10
、涵盖Spark两个重要版本 ，Spark 1.3.0和Spark 1.5.1的讲解（走在Spark前沿
，涵盖新高级特性）

授课老师中华石杉:在国内BAT公司以及一线互联网公司从事过大数据开发和架构工作，负责过多个大型大数据系统的架构和开发
。精通Hadoop、Storm 、Spark等大数据技术。有丰富的企业内部技术分享
、技术培训和技术讲座的经验 。

一、Scala编程详解：
第1讲-Spark的前世今生
第2讲-课程介绍 、特色与价值
第3讲-Scala编程详解：基础语法
第4讲-Scala编程详解：条件控制与循环
第5讲-Scala编程详解：函数入门
第6讲-Scala编程详解：函数入门之默认参数和带名参数
第7讲-Scala编程详解：函数入门之变长参数
第8讲-Scala编程详解：函数入门之过程
、lazy值和异常
第9讲-Scala编程详解：数组操作之Array、ArrayBuffer以及遍历数组
第10讲-Scala编程详解：数组操作之数组转换
第11讲-Scala编程详解：Map与Tuple
第12讲-Scala编程详解：面向对象编程之类
第13讲-Scala编程详解：面向对象编程之对象
第14讲-Scala编程详解：面向对象编程之继承
第15讲-Scala编程详解：面向对象编程之Trait
第16讲-Scala编程详解：函数式编程
第17讲-Scala编程详解：函数式编程之集合操作
第18讲-Scala编程详解：模式匹配
第19讲-Scala编程详解：类型参数
第20讲-Scala编程详解：隐式转换与隐式参数
第21讲-Scala编程详解：Actor入门
二 、课程环境搭建：
第22讲-课程环境搭建：CentOS 6.5集群搭建
第23讲-课程环境搭建：Hadoop 2.4.1集群搭建
第24讲-课程环境搭建：Hive 0.13搭建
第25讲-课程环境搭建：ZooKeeper 3.4.5集群搭建
第26讲-课程环境搭建：kafka_2.9.2-0.8.1集群搭建
第27讲-课程环境搭建：Spark 1.3.0集群搭建
三
、Spark核心编程：
第28讲-Spark核心编程：Spark基本工作原理与RDD
第29讲-Spark核心编程：使用Java、Scala和spark-shell开发wordcount程序
第30讲-Spark核心编程：wordcount程序原理深度剖析
第31讲-Spark核心编程：Spark架构原理
第32讲-Spark核心编程：创建RDD实战（集合 、本地文件、HDFS文件）
第33讲-Spark核心编程：操作RDD实战（transformation和action案例实战）
第34讲-Spark核心编程：transformation操作开发案例实战
第35讲-Spark核心编程：action操作开发案例实战
第36讲-Spark核心编程：RDD持久化详解
第37讲-Spark核心编程：共享变量（Broadcast Variable和Accumulator）
第38讲-Spark核心编程：高级编程之基于排序机制的wordcount程序
第39讲-Spark核心编程：高级编程之二次排序实战
第40讲-Spark核心编程：高级编程之topn与分组取topn实战
四
、Spark内核源码深度剖析：
第41讲-Spark内核源码深度剖析：Spark内核架构深度剖析
第42讲-Spark内核源码深度剖析：宽依赖与窄依赖深度剖析
第43讲-Spark内核源码深度剖析：基于Yarn的两种提交模式深度剖析
第44讲-Spark内核源码深度剖析：SparkContext初始化原理剖析与源码分析
第45讲-Spark内核源码深度剖析：Master主备切换机制原理剖析与源码分析
第46讲-Spark内核源码深度剖析：Master注册机制原理剖析与源码分析
第47讲-Spark内核源码深度剖析：Master状态改变处理机制原理剖析与源码分析
第48讲-Spark内核源码深度剖析：Master资源调度算法原理剖析与源码分析
第49讲-Spark内核源码深度剖析：Worker原理剖析与源码分析
第50讲-Spark内核源码深度剖析：Job触发流程原理剖析与源码分析
第51讲-Spark内核源码深度剖析：DAGScheduler原理剖析与源码分析（stage划分算法与task最佳位置算法）
第52讲-Spark内核源码深度剖析：TaskScheduler原理剖析与源码分析（task分配算法）
第53讲-Spark内核源码深度剖析：Executor原理剖析与源码分析
第54讲-Spark内核源码深度剖析：Task原理剖析与源码分析
第55讲-Spark内核源码深度剖析：Shuffle原理剖析与源码分析（普通Shuffle与优化后的Shuffle）
第56讲-Spark内核源码深度剖析：BlockManager原理剖析与源码分析（Spark底层存储机制）
第57讲-Spark内核源码深度剖析：CacheManager原理剖析与源码分析
第58讲-Spark内核源码深度剖析：Checkpoint原理剖析与源码分析
五、Spark性能优化：
第59讲-Spark性能优化：性能优化概览
第60讲-Spark性能优化：诊断内存的消耗
第61讲-Spark性能优化：高性能序列化类库
第62讲-Spark性能优化：优化数据结构
第63讲-Spark性能优化：对多次使用的RDD进行持久化或Checkpoint
第64讲-Spark性能优化：使用序列化的持久化级别
第65讲-Spark性能优化：Java虚拟机垃圾回收调优
第66讲-Spark性能优化：提高并行度
第67讲-Spark性能优化：广播共享数据
第68讲-Spark性能优化：数据本地化
第69讲-Spark性能优化：reduceByKey和groupByKey
第70讲-Spark性能优化：shuffle性能优化
六 、Spark SQL：
第71讲-课程环境搭建：Spark 1.5.1新版本特性
、源码编译、集群搭建
第72讲-Spark SQL：前世今生
第73讲-Spark SQL：DataFrame的使用
第74讲-Spark SQL：使用反射方式将RDD转换为DataFrame
第75讲-Spark SQL：使用编程方式将RDD转换为DataFrame
第76讲-Spark SQL：数据源之通用的load和save操作
第77讲-Spark SQL：Parquet数据源之使用编程方式加载数据
第78讲-Spark SQL：Parquet数据源之自动分区推断
第79讲-Spark SQL：Parquet数据源之合并元数据
第80讲-Spark SQL：JSON数据源复杂综合案例实战
第81讲-Spark SQL：Hive数据源复杂综合案例实战
第82讲-Spark SQL：JDBC数据源复杂综合案例实战
第83讲-Spark SQL：内置函数以及每日uv和销售额统计案例实战
第84讲-Spark SQL：开窗函数以及top3销售额统计案例实战
第85讲-Spark SQL：UDF自定义函数实战
第86讲-Spark SQL：UDAF自定义聚合函数实战
第87讲-Spark SQL：工作原理剖析以及性能优化
第87讲-Spark SQL：与Spark Core整合之每日top3热点搜索词统计案例实战
第87讲-Spark SQL：核心源码深度剖析（DataFrame lazy特性 、Optimizer优化策略等）
第87讲-Spark SQL：延伸知识之Hive On Spark
七
、Spark Streaming：
第88讲-Spark Streaming：大数据实时计算介绍
第89讲-Spark Streaming：DStream以及基本工作原理
第90讲-Spark Streaming：与Storm的对比分析
第91讲-Spark Streaming：实时wordcount程序开发
第92讲-Spark Streaming：StreamingContext详解
第93讲-Spark Streaming：输入DStream和Receiver详解
第94讲-Spark Streaming：输入DStream之基础数据源以及基于HDFS的实时wordcount案例实战
第95讲-Spark Streaming：输入DStream之Kafka数据源实战（基于Receiver的方式）
第96讲-Spark Streaming：输入DStream之Kafka数据源实战（基于Direct的方式）
第97讲-Spark Streaming：DStream的transformation操作概览
第98讲-Spark Streaming：updateStateByKey以及基于缓存的实时wordcount案例实战
第99讲-Spark Streaming：transform以及广告计费日志实时黑名单过滤案例实战
第100讲-Spark Streaming：window滑动窗口以及热点搜索词滑动统计案例实战
第101讲-Spark Streaming：DStream的output操作以及foreachRDD性能优化详解
第102讲-Spark Streaming：与Spark SQL结合使用之top3热门商品实时统计案例实战
第103讲-Spark Streaming：缓存与持久化机制详解
第104讲-Spark Streaming：Checkpoint机制详解（Driver高可靠方案详解）
第105讲-Spark Streaming：部署、升级和监控实时应用程序
第106讲-Spark Streaming：容错机制以及事务语义详解
第107讲-Spark Streaming：架构原理深度剖析
第108讲-Spark Streaming：StreamingContext初始化与Receiver启动原理剖析与源码分析
第109讲-Spark Streaming：数据接收原理剖析与源码分析
第110讲-Spark Streaming：数据处理原理剖析与源码分析（block与batch关系透彻解析）
第111讲-Spark Streaming：性能调优详解
第112讲-课程总结（学到了什么？达到了什么水平？）

Spark开发进阶
一 、Scala编程进阶：
第113讲-Scala编程进阶：Scaladoc的使用
第114讲-Scala编程进阶：跳出循环语句的3种方法
第115讲-Scala编程进阶：多维数组
、Java数组与Scala数组的隐式转换
第116讲-Scala编程进阶：Tuple拉链操作、Java Map与Scala Map的隐式转换
第117讲-Scala编程进阶：扩大内部类作用域的2种方法 、内部类获取外部类引用
第118讲-Scala编程进阶：package与import实战详解
第119讲-Scala编程进阶：重写field的提前定义
、Scala继承层级、对象相等性
第120讲-Scala编程进阶：文件操作实战详解
第121讲-Scala编程进阶：偏函数实战详解
第122讲-Scala编程进阶：执行外部命令
第123讲-Scala编程进阶：正则表达式支持
第124讲-Scala编程进阶：提取器实战详解
第125讲-Scala编程进阶：样例类的提取器实战详解
第126讲-Scala编程进阶：只有一个参数的提取器
第127讲-Scala编程进阶：注解实战详解
第128讲-Scala编程进阶：常用注解介绍
第129讲-Scala编程进阶：XML基础操作实战详解
第130讲-Scala编程进阶：XML中嵌入scala代码
第131讲-Scala编程进阶：XML修改元素实战详解
第132讲-Scala编程进阶：XML加载和写入外部文档
第133讲-Scala编程进阶：集合元素操作
第134讲-Scala编程进阶：集合的常用操作方法
第135讲-Scala编程进阶：map 、flatMap、collect
、foreach实战详解
第136讲-Scala编程进阶：reduce和fold实战详解
二、Spark核心编程进阶：
第137讲-环境搭建-CentOS 6.4虚拟机安装
第138讲-环境搭建-Hadoop 2.5伪分布式集群搭建
第139讲-环境搭建-Spark 1.5伪分布式集群搭建
第140讲-第一次课程升级大纲介绍以及要点说明
第141讲-Spark核心编程进阶-Spark集群架构概览
第142讲-Spark核心编程进阶-Spark集群架构的几点特别说明
第143讲-Spark核心编程进阶-Spark的核心术语讲解
第144讲-Spark核心编程进阶-Spark Standalone集群架构
第145讲-Spark核心编程进阶-单独启动master和worker脚本详解
第146讲-Spark核心编程进阶-实验：单独启动master和worker进程以及启动日志查看
第147讲-Spark核心编程进阶-worker节点配置以及spark-evn.sh参数详解
第148讲-Spark核心编程进阶-实验：local模式提交spark作业
第149讲-Spark核心编程进阶-实验：standalone client模式提交spark作业
第150讲-Spark核心编程进阶-实验：standalone cluster模式提交spark作业
第151讲-Spark核心编程进阶-standalone模式下的多作业资源调度
第152讲-Spark核心编程进阶-standalone模式下的作业监控与日志记录
第153讲-Spark核心编程进阶-实验：运行中作业监控以及手工打印日志
第154讲-Spark核心编程进阶-yarn-client模式原理讲解
第155讲-Spark核心编程进阶-yarn-cluster模式原理讲解
第156讲-Spark核心编程进阶-实验：yarn-client模式提交spark作业
第157讲-Spark核心编程进阶-yarn模式下日志查看详解
第158讲-Spark核心编程进阶-yarn模式相关参数详解
第159讲-Spark核心编程进阶-spark工程打包以及spark-submit详解
第160讲-Spark核心编程进阶-spark-submit示例以及基础参数讲解
第161讲-Spark核心编程进阶-实验：spark-submit简单版本提交spark作业
第162讲-Spark核心编程进阶-实验：spark-submit给main类传递参数
第163讲-Spark核心编程进阶-spark-submit多个示例以及常用参数详解
第164讲-Spark核心编程进阶-SparkConf 、spark-submit以及spark-defaults.conf
第165讲-Spark核心编程进阶-spark-submit配置第三方依赖
第166讲-Spark核心编程进阶-spark算子的闭包原理详解
第167讲-Spark核心编程进阶-实验：对闭包变量进行累加操作的无效现象
第168讲-Spark核心编程进阶-实验：在算子内打印数据的无法看到现象
第169讲-Spark核心编程进阶-mapPartitions以及学生成绩查询案例
第170讲-Spark核心编程进阶-mapPartitionsWithIndex以开学分班案例
第171讲-Spark核心编程进阶-sample以及公司年会抽奖案例
第172讲-Spark核心编程进阶-union以及公司部门合并案例
第173讲-Spark核心编程进阶-intersection以及公司跨多项目人员查询案例
第174讲-Spark核心编程进阶-distinct以及网站uv统计案例
第175讲-Spark核心编程进阶-aggregateByKey以及单词计数案例
第176讲-Spark核心编程进阶-cartesian以及服装搭配案例
第177讲-Spark核心编程进阶-coalesce以及公司部门整合案例
第178讲-Spark核心编程进阶-repartition以及公司新增部门案例
第179讲-Spark核心编程进阶-takeSampled以及公司年会抽奖案例
第180讲-Spark核心编程进阶-shuffle操作原理详解
第181讲-Spark核心编程进阶-shuffle操作过程中进行数据排序
第182讲-Spark核心编程进阶-会触发shuffle操作的算子
第183讲-Spark核心编程进阶-shuffle操作对性能消耗的原理详解
第184讲-Spark核心编程进阶-shuffle操作所有相关参数详解以及性能调优
第185讲-Spark核心编程进阶-综合案例1：移动端app访问流量日志分析
第186讲-Spark核心编程进阶-综合案例1：日志文件格式分析
第187讲-Spark核心编程进阶-综合案例1：读取日志文件并创建RDD
第188讲-Spark核心编程进阶-综合案例1：创建自定义的可序列化类
第189讲-Spark核心编程进阶-综合案例1：将RDD映射为key-value格式
第190讲-Spark核心编程进阶-综合案例1：基于deviceID进行聚合操作
第191讲-Spark核心编程进阶-综合案例1：自定义二次排序key类
第192讲-Spark核心编程进阶-综合案例1：将二次排序key映射为RDD的key
第193讲-Spark核心编程进阶-综合案例1：执行二次排序以及获取top10数据
第194讲-Spark核心编程进阶-综合案例1：程序运行测试以及代码调试
第195讲-Spark核心编程进阶-部署第二台CentOS机器
第196讲-Spark核心编程进阶-部署第二个Hadoop节点
第197讲-Spark核心编程进阶-将第二个Hadoop节点动态加入集群
第198讲-Spark核心编程进阶-使用yarn-client和yarn-cluster提交spark作业
三
、Spark内核原理进阶：
第199讲-Spark内核原理进阶-union算子内部实现原理剖析
第200讲-Spark内核原理进阶-groupByKey算子内部实现原理剖析
第201讲-Spark内核原理进阶-reduceByKey算子内部实现原理剖析
第202讲-Spark内核原理进阶-distinct算子内部实现原理剖析
第203讲-Spark内核原理进阶-cogroup算子内部实现原理剖析
第204讲-Spark内核原理进阶-intersection算子内部实现原理剖析
第205讲-Spark内核原理进阶-join算子内部实现原理剖析
第206讲-Spark内核原理进阶-sortByKey算子内部实现原理剖析
第207讲-Spark内核原理进阶-cartesian算子内部实现原理剖析
第208讲-Spark内核原理进阶-coalesce算子内部实现原理剖析
第209讲-Spark内核原理进阶-repartition算子内部实现原理剖析
四、Spark SQL实战开发进阶：
第210讲-Spark SQL实战开发进阶-Hive 0.13安装与测试
第211讲-Spark SQL实战开发进阶-Thrift JDBC 、ODBC Server
第212讲-Spark SQL实战开发进阶-CLI命令行使用
第213讲-Spark SQL实战开发进阶-综合案例2：新闻网站关键指标离线统计
第214讲-Spark SQL实战开发进阶-综合案例2：页面pv统计以及排序和企业级项目开发流程说明
第215讲-Spark SQL实战开发进阶-综合案例2：页面uv统计以及排序和count(distinct) bug说明
第216讲-Spark SQL实战开发进阶-综合案例2：新用户注册比例统计
第217讲-Spark SQL实战开发进阶-综合案例2：用户跳出率统计
第218讲-Spark SQL实战开发进阶-综合案例2：版块热度排行榜统计
第219讲-Spark SQL实战开发进阶-综合案例2：测试与调试
五
、Spark Streaming实战开发进阶：
第220讲-Spark Streaming实战开发进阶-flume安装
第221讲-Spark Streaming实战开发进阶-接收flume实时数据流-flume风格的基于push的方式
第222讲-Spark Streaming实战开发进阶-接收flume实时数据流-自定义sink的基于poll的方式
第223讲-Spark Streaming实战开发进阶-高阶技术之自定义Receiver
第224讲-Spark Streaming实战开发进阶-kafka安装
第225讲-Spark Streaming实战开发进阶-综合案例3：新闻网站关键指标实时统计
第226讲-Spark Streaming实战开发进阶-综合案例3：页面pv实时统计
第227讲-Spark Streaming实战开发进阶-综合案例3：页面uv实时统计
第228讲-Spark Streaming实战开发进阶-综合案例3：注册用户数实时统计
第229讲-Spark Streaming实战开发进阶-综合案例3：用户跳出量实时统计
第230讲-Spark Streaming实战开发进阶-综合案例3：版块pv实时统计
六、Spark运维管理进阶：
第231讲-Spark运维管理进阶-基于ZooKeeper实现HA高可用性以及自动主备切换
第232讲-Spark运维管理进阶-实验：基于ZooKeeper实现HA高可用性以及自动主备切换
第233讲-Spark运维管理进阶-基于文件系统实现HA高可用性以及手动主备切换
第234讲-Spark运维管理进阶-实验：基于文件系统实现HA高可用性以及手动主备切换
第235讲-Spark运维管理进阶-作业监控-实验：通过Spark Web UI进行作业监控
第236讲-Spark运维管理进阶-作业监控-实验：standalone模式下查看历史作业的Web UI
第237讲-Spark运维管理进阶-作业监控-实验：启动HistoryServer查看历史作业的Web UI
第238讲-Spark运维管理进阶-作业监控-实验：使用curl+REST API进行作业监控
第239讲-Spark运维管理进阶-作业监控-实验：Spark Metrics系统以及自定义Metrics Sink
第240讲-Spark运维管理进阶-作业资源调度-静态资源分配原理
第241讲-Spark运维管理进阶-作业资源调度-动态资源分配原理
第242讲-Spark运维管理进阶-作业资源调度-实验：standalone模式下使用动态资源分配
第243讲-Spark运维管理进阶-作业资源调度-实验：yarn模式下使用动态资源分配
第244讲-Spark运维管理进阶-作业资源调度-多个job资源调度原理
第245讲-Spark运维管理进阶-作业资源调度-Fair Scheduler使用详解

Spark2.0(升级内容！)
七 、Spark 2.0深入浅出
第246讲-Spark 2.0-新特性介绍
第247讲-Spark 2.0-新特性介绍-易用性：标准化SQL支持以及更合理的API
第248讲-Spark 2.0-新特性介绍-高性能：让Spark作为编译器来运行
第249讲-Spark 2.0-新特性介绍-智能化：Structured Streaming介绍
第250讲-Spark 2.0-新特性介绍-Spark 1.x的Volcano Iterator Model技术缺陷分析
第251讲-Spark 2.0-新特性介绍-whole-stage code generation技术和vectorization技术
第252讲-Spark 2.0-Spark 2.x与1.x对比以及分析
、学习建议以及使用建议
第253讲-Spark 2.0-课程环境搭建：虚拟机、CentOS 、Hadoop
、Spark等
第254讲-Spark 2.0-开发环境搭建：Eclipse+Maven+Scala+Spark
第255讲-Spark 2.0-SparkSession、Dataframe 、Dataset开发入门
第256讲-Spark 2.0-Dataset开发详解-初步体验untypd操作案例：计算部门平均年龄与薪资
第257讲-Spark 2.0-Dataset开发详解-action操作：collect、count
、foreach、reduce等
第258讲-Spark 2.0-Dataset开发详解-基础操作：持久化 、临时视图
、ds与df互转换、写数据等
第259讲-Spark 2.0-Dataset开发详解-typed操作：coalesce 、repartition
第260讲-Spark 2.0-Dataset开发详解-typed操作：distinct
、dropDuplicates
第261讲-Spark 2.0-Dataset开发详解-typed操作：except、filter 、intersect
第262讲-Spark 2.0-Dataset开发详解-typed操作：map
、flatMap、mapPartitions
第263讲-Spark 2.0-Dataset开发详解-typed操作：joinWith
第264讲-Spark 2.0-Dataset开发详解-typed操作：sort
第265讲-Spark 2.0-Dataset开发详解-typed操作：randomSplit 、sample
第266讲-Spark 2.0-Dataset开发详解-untyped操作：select
、where、groupBy 、agg、col
、join
第267讲-Spark 2.0-Dataset开发详解-聚合函数：avg、sum 、max
、min、count 、countDistinct
第268讲-Spark 2.0-Dataset开发详解-聚合函数：collect_list
、collect_set
第269讲-Spark 2.0-Dataset开发详解-其他常用函数
第270讲-Spark 2.0-Structured Streaming：深入浅出的介绍
第271讲-Spark 2.0-Structured Streaming：wordcount入门案例
第272讲-Spark 2.0-Structured Streaming：编程模型
第273讲-Spark 2.0-Structured Streaming：创建流式的dataset和dataframe
第274讲-Spark 2.0-Structured Streaming：对流式的dataset和dataframe执行计算操作
第275讲-Spark 2.0-Structured Streaming：output mode、sink以及foreach sink详解
第276讲-Spark 2.0-Structured Streaming：管理streaming query
第277讲-Spark 2.0-Structured Streaming：基于checkpoint的容错机制
第278讲-Spark面试 、简历中的项目编写以及实际生产环境的集群和资源配置等