课程介绍：



目前为止专题课程中只讲解SPark可以说是篇幅最大的了，也是最详细的一套了，非常实用！



——————-课程目录——————-





│  ├<一、内存计算框架Spark>

│  │  ├<第1章 Spark初识入门>

│  │  │  ├1.1、 与MapReduce对比性介绍Spark是什么.mp4

│  │  │  ├1.10、 Spark 实现WordCount功能讲解.mp4

│  │  │  ├1.11、 Spark如何提交应用程序及各个组件名词解释.mp4

│  │  │  ├1.2、 Spark四大特性及与MapReduce比较.mp4

│  │  │  ├1.3、 如何指定Hadoop版本进行编译Spark.mp4

│  │  │  ├1.4、 Spark 应用程序测试讲解一.mp4

│  │  │  ├1.5、 Spark应用程序测试讲解二.mp4

│  │  │  ├1.6、 Scala基本知识讲解（变量，函数及高阶函数）.mp4

│  │  │  ├1.7、 Spark Standalone安装部署讲解一.mp4

│  │  │  ├1.8、 Spark Standalone安装部署讲解二.mp4

│  │  │  └1.9、 Spark Standalone安装部署讲解三.mp4

│  │  ├<第2章 Spark核心RDD>

│  │  │  ├2.1、 Spark RDD五大特性讲解（以WordCount案例和比较MapReduce）.mp4

│  │  │  ├2.10、 Spark Core应用案例讲解三(1).mp4

│  │  │  ├2.11、 Spark Core应用案例讲解三(2).mp4

│  │  │  ├2.2、 RDD创建的两种方式讲解.mp4

│  │  │  ├2.3、 RDD Operation讲解（transformation和action）.mp4

│  │  │  ├2.4、 RDD 依赖讲解（宽依赖和窄依赖）.mp4

│  │  │  ├2.5、 Spark RDD Shuffle讲解（类似MapReduce中的Shuffle）.mp4

│  │  │  ├2.6、 如何创建Spark Application.mp4

│  │  │  ├2.7、 Spark 内核剖析讲解.mp4

│  │  │  ├2.8、 Spark Core应用案例讲解一.mp4

│  │  │  └2.9、 Spark Core应用案例讲解二.mp4

│  │  ├<第3章 Spark高阶应用>

│  │  │  ├3.1、 如何使用IDEA开发Spark Application及Local与打包测试讲解.mp4

│  │  │  ├3.10、 Spark Streaming如何读取出来HDFS上数据.mp4

│  │  │  ├3.11、 Spark Streaming核心概念DStream及相关Operation讲解.mp4

│  │  │  ├3.12、 Spark Streaming与Flume集成讲解一.mp4

│  │  │  ├3.13、 Spark Streaming与Flume集成讲解二.mp4

│  │  │  ├3.14、 Kafka架构功能、环境搭建与演示.mp4

│  │  │  ├3.15、 Spark Streaming与Kafka集成方式一使用讲解.mp4

│  │  │  ├3.16、 Spark Streaming与Kafka集成方式二使用讲解.mp4

│  │  │  ├3.17、 Spark Streaming与Kafka集成结合UpdateStateByKey统计案例讲解.mp4

│  │  │  ├3.2、 Spark Application监控（HistoryServer历史服务器配置使用）.mp4

│  │  │  ├3.3、 Spark Application运行的两种方式Client和Cluster区别.mp4

│  │  │  ├3.4、 Spark 如何运行在YARN上（两种模式的区别）和解决NodeManager节点不健康问题.mp4

│  │  │  ├3.5、 演示讲解Spark-shell运行在YARN上及以yarn cluster方式提交应用到yarn运行.mp4

│  │  │  ├3.6、 回顾复习Spark Core知识点.mp4

│  │  │  ├3.7、 Spark Streaming功能介绍和Demo演示.mp4

│  │  │  ├3.8、 通过Demo演示深入理解Spark Streaming如何工作.mp4

│  │  │  └3.9、 Spark Streaming编程模型讲解.mp4





│  ├<二、Spark深入剖析>

│  │  ├<第1章 Spark核心编程>

│  │  │  ├1.1、Spark基本工作原理与RDD-1.mp4

│  │  │  ├1.10、wordcount程序原理深度剖析.mp4

│  │  │  ├1.11、Spark架构原理.mp4

│  │  │  ├1.12、创建RDD（集合、本地文件、HDFS文件）-1.mp4

│  │  │  ├1.13、创建RDD（集合、本地文件、HDFS文件）-2.mp4

│  │  │  ├1.14、transformation和action讲解与原理剖析.mp4

│  │  │  ├1.15、案例：统计每行出现的次数（操作key-value对）.mp4

│  │  │  ├1.16、常用transformation和action操作概览.mp4

│  │  │  ├1.17、map案例实战：将集合中的数字乘以2.mp4

│  │  │  ├1.18、filter案例实战：过滤集合中的偶数.mp4

│  │  │  ├1.19、flatMap案例实战：将文本行拆分为单词.mp4

│  │  │  ├1.2、Spark基本工作原理与RDD-2.mp4

│  │  │  ├1.20、groupByKey案例实战：将每个班级的成绩进行分组.mp4

│  │  │  ├1.21、reduceByKey案例实战：统计每个班级的总分.mp4

│  │  │  ├1.22、sortByKey案例实战：按照学生成绩进行排序.mp4

│  │  │  ├1.23、join和cogroup案例实战：打印学生成绩.mp4

│  │  │  ├1.24、action操作开发实战.mp4

│  │  │  ├1.25、RDD持久化详解.mp4

│  │  │  ├1.26、共享变量（Broadcast Variable和Accumulator）.mp4

│  │  │  ├1.27、高级编程之基于排序机制的wordcount程序.mp4

│  │  │  ├1.28、使用Java实现二次排序.mp4

│  │  │  ├1.29、使用Scala实现二次排序.mp4

│  │  │  ├1.3、使用Java开发本地测试的wordcount程序-1.mp4

│  │  │  ├1.30、获取文本内最大的前3个数字.mp4

│  │  │  ├1.31、获取每个班级排名前3的成绩（分组取topn）.mp4

│  │  │  ├1.4、使用Java开发本地测试的wordcount程序-2.mp4

│  │  │  ├1.5、将java开发的wordcount程序提交到spark集群上运行.mp4

│  │  │  ├1.6、使用scala开发wordcount程序.mp4

│  │  │  ├1.7、使用spark-shell开发wordcount程序.mp4

│  │  │  ├1.8、Spark UI补充说明.mp4

│  │  │  └1.9、spark-submit中的–master选项的补充说明（重要，必看！）.mp4

│  │  ├<第2章 Spark内核源码深度剖析>

│  │  │  ├2.1、Spark内核架构深度剖析.mp4

│  │  │  ├2.10、Master资源调度算法原理剖析与源码分析.mp4

│  │  │  ├2.11、Worker原理剖析与源码分析-1.mp4

│  │  │  ├2.12、Worker原理剖析与源码分析-2.mp4

│  │  │  ├2.13、job触发流程原理剖析与源码分析.mp4

│  │  │  ├2.14、stage划分算法原理剖析.mp4

│  │  │  ├2.15、DAGScheduler源码分析（stage划分算法、task最佳位置计算算法）.mp4

│  │  │  ├2.16、TaskScheduler原理剖析与源码分析.mp4

│  │  │  ├2.17、Executor原理剖析与源码分析.mp4

│  │  │  ├2.18、Task原理剖析.mp4

│  │  │  ├2.19、Task源码分析.mp4

│  │  │  ├2.2、宽依赖与窄依赖深度剖析.mp4

│  │  │  ├2.20、普通Shuffle操作的原理剖析.mp4

│  │  │  ├2.21、优化后的Shuffle操作的原理剖析.mp4

│  │  │  ├2.22、Shuffle读写源码分析.mp4

│  │  │  ├2.23、BlockManager原理剖析.mp4

│  │  │  ├2.24、BlockManager源码分析-1.mp4

│  │  │  ├2.25、BlockManager源码分析-2.mp4

│  │  │  ├2.26、CacheManager原理剖析.mp4

│  │  │  ├2.27、CacheManager源码分析.mp4

│  │  │  ├2.28、Checkpoint原理剖析.mp4

│  │  │  ├2.3、基于Yarn的两种提交模式深度剖析.mp4

│  │  │  ├2.4、基于yarn的提交模式的spark-env.sh配置补充.mp4

│  │  │  ├2.5、SparkContext原理剖析.mp4

│  │  │  ├2.6、SparkContext源码分析.mp4

│  │  │  ├2.7、Master主备切换机制原理剖析与源码分析.mp4

│  │  │  ├2.8、Master注册机制原理剖析与源码分析.mp4

│  │  │  └2.9、Master状态改变处理机制原理剖析与源码分析.mp4

│  │  ├<第3章 Spark性能优化>

│  │  │  ├3.1、性能优化概览.mp4

│  │  │  ├3.10、数据本地化.mp4

│  │  │  ├3.11、reduceByKey和groupByKey.mp4

│  │  │  ├3.12、shuffle性能优化.mp4

│  │  │  ├3.2、诊断内存的消耗.mp4

│  │  │  ├3.3、高性能序列化类库.mp4

│  │  │  ├3.4、优化数据结构.mp4

│  │  │  ├3.5、对多次使用的RDD进行持久化或Checkpoint.mp4

│  │  │  ├3.6、使用序列化的持久化级别.mp4

│  │  │  ├3.7、Java虚拟机垃圾回收调优.mp4

│  │  │  ├3.8、提高并行度.mp4

│  │  │  └3.9、广播共享数据.mp4