大数据实时处理基于Python的Spark大数据处理技术

1，系统架构师、系统分析师、高级程序员、资深开发人员。

2，牵涉到大数据处理的数据中心运行、规划、设计负责人。

3，政府机关，金融保险、移动和互联网等大数据来源单位的负责人。

4，高校、科研院所牵涉到大数据与分布式数据处理的项目负责人。

互联网点击数据、传感数据、日志文件、具有丰富地理空间信息的移动数据和涉及网络的各类评论，成为了海量信息的多种形式。当数据以成百上千TB不断增长的时候，我们在内部交易系统的历史信息之外，需要一种基于大数据实时分析的决策模型和技术支持。

大数据通常具有：数据体量(Volume)巨大,数据类型(Variety)繁多,价值(Value)密度低,处理速度(Velocity)快等四大特征。Google发布的GFS和MapReduce等高可扩展、高性能的分布式大数据处理框架，证明了在处理海量网页数据时该框架的优越性。在此基础上，ApacheHadoop开源项目开发团队，克隆并推出了Hadoop/Yarn系统。该系统已受到学术界和工业界的广泛认可和采纳，并孵化出众多子项目(如Hive，Zookeeper和Mahout等)，日益形成一个易部署、易开发、功能齐全、性能优良的系统。

近年来以Berkley牵头设计的Spark/BDAS技术，实现了内存级别的分布式处理模式，使用户无需关注复杂的内部工作机制，无需具备丰富的分布式系统知识及开发经验，即可实现大规模分布式系统的部署与大数据的并行处理。

Spark生态系统(BDAS项目)已经发展成一个，包含多个子项目的集合，包括SparkSQL、SparkStreaming、GraphX、MLlib等，本课程从大数据实时处理技术以及Spark实战的角度，结合理论和实践，全方位地介绍Spark大数据实时处理工具的原理和内核,包括Spark大数据计算框架、运行架构、设计模型和数据管理策略，及Spark在业界的应用。

课程中结合实例，介绍图工具GraphX如何发现社交网络中的人际关系，大数据挖掘工具MLlib如何进行商品聚类和电影推荐，以及Streaming流挖掘工具,并探讨了Spark与Docker等云环境下新技术的结合，分析了其应用前景。

本课程教学过程中还提供了案例分析来帮助学员了解如何用Spark实时大数据工具来解决业界的问题，并介绍了Spark生产环境搭建的相关知识。

本课程不是一个泛泛的理论性、概念性的介绍课程，而是针对问题讨论Spark解决方案的深入课程。教师对于上述领域有深入的理论研究与实践经验，在课程中将会针对这些问题与学员一起进行研究，在关键点上还会搭建实验环境进行实践研究，以加深对于这些解决方案的理解。通过本课程学习，希望推动Spark实时大数据处理开发上升到一个新水平。

五、培训内容

第一讲Spark大数据实时处理技术

1）大数据处理技术

2）Spark实时处理技术

3）Spark生态系统BDAS

4）Spark架构分析

第二讲Spark安装配置及监控

1）Ubuntu环境的准备

2）Hadoop2.X和Scala

3）搭建Spark开发环境

4）Idea编译和运行

5）Spark监控管理

第三讲Scala编程语言使用概述

1)Scala编程语言

2)基本数据类型

3)操作基本数据类型

4)类和对象

5)组合和继承

第四讲Spark分布式计算框架

1）Spark计算模型

2）弹性分布式数据集RDD

3）Spark的数据存储

4）Transformation算子分类及功能

5）Actions算子分类及功能

第五讲Spark内部工作机制详解

  1) Spark底层实现原理

  2) Spark应用执行机制

  3) Spark调度与任务分配模块

  4) FIFO和FAIR调度算法

第六讲Spark数据读取与存储

  1）Spark的I/O机制

  2）Spark中的数据压缩

  3）Spark的数据读取与存储

4）Spark数据读写流程

第七讲Spark通信模块和容错机制

  1）Spark通信模块

  2）通信框架AKKA

  3）容错机制和Lineage依赖

4）检查点机制进行容错

5）Shuffle过程

第八讲SQLOnSpark

  1) BDAS数据分析软件栈

  2) SQLOnSpark

  3) SparkSQL工具使用

  4) Shark工具使用

5) HiveonSpark工具

6) Spark操作HBase中的数据

第九讲Spark流数据处理工具Streaming

  1）流数据处理工具Streaming

  2）SparkStreaming架构

  3）SparkStreaming原理

  4）SparkStreaming实例

第十讲Spark中的大数据挖掘工具MLlib

  1）大数据挖掘工具MLlib

  2）MLlib的数据存储

  3）MLlib中的聚类和分类

4）MLlib算法应用实例

5）利用MLlib进行推荐

第十一讲Spark大规模图处理工具GraphX

  1）大规模图处理工具GraphX

  2）GraphX的运行架构

  3）GraphX操作使用

  4）GraphX使用实例

第十二讲Spark与其他大数据技术的融合与应用

  1）与Hadoop/Yarn集群应用的协作

  2）与Docker等其它云工具配合

  3）Spark在Yahoo!的应用

  4）Spark在电商中的应用

杨老师　 主要研究网络信息分析以及云计算相关技术，长期从事数据仓库、数据挖掘以及大数据分析技术研究，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。

培训目标

1，全面了解大数据实时处理技术的相关知识。

2，学习Spark的核心技术方法以及应用特征。

3，深入使用Spark在大数据实时处理中的使用。

4，掌握BDAS相关工具及其主要功能。