1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
       2、课程完成后,授课老师留给学员手机和Email,保障培训效果,免费提供半年的技术支持。
       3、培训合格学员可享受免费推荐就业机会。☆合格学员免费颁发相关工程师等资格证书，提升职业资质。专注高端技术培训15年，曙海学员的能力得到大家的认同，受到用人单位的广泛赞誉，曙海的证书受到广泛认可。

• 目标收益
  本课程将为大家全面而又深入的介绍Spark平台的构建流程，涉及Spark系统基础知识，概念及架构， Spark实战技巧，Spark经典案例等。
  通过本课程实践，帮助学员对Spark生态系统有一个清晰明了的认识；理解Spark系统适用的场景；掌握Spark等初中级应用开发技能；搭建稳定可靠的Spark集群，满足生产环境的标准；了解和清楚大数据应用的几个行业中的经典案例，包括阿里巴巴，腾讯，百度等互联网行业，中国移动和联通等运营商。
• 培训对象
• 各类 IT/软件企业和研发机构的软件架构师、软件设计师、程序员。对于怀有设计疑问和问题，需要梳理解答的团队和个人，效果佳。
• 学员基础
• 1) 了解Java语言（Scala语言会作为课程内容进行介绍）；
  2) 了解Linux系统；
• 课程大纲
  
• 主题 内容
  Spark大数据架构概述及案例简介
• 1. 1介绍Spark大数据层级架构及各层软件设计要求，包括数据收集，大数据存储，大数据计算框架，大数据应用等
  1.2. Hadoop与Spark区别与关系
  1.3. Spark生态系统概述以及版本演化，并给出spark版本选择建议
  1.4. Spark典型案例简介(简要介绍案例，具体在后面各节会详细介绍)
  Spark商品推荐系统、用户标签系统
• Spark产生动机与基本概念
• 2.1 Spark产生背景，与MapReduce对比，其优缺点是什么
  2.2 Spark核心概念
  （1）RDD
  （2）基本操作：transformation与 action
  2.2 Spark程序架构
  （1）Driver/executor
  （2）容错机制
• Spark安装部署
• 3.1 Spark运行模式简介、standlone模式、Spark on yarn模式
  3.2 搭建一个spark on yarn集群、搭建yarn集群、运行第一个spark程序
• Spark程序设计实例
• 4.1 Scala语言基础，常用语法以及库函数
  4.2 Spark程序设计方法
  1.Spark程序基本构成,SparkContext，RDD，transformation/action
  2.Spark API介绍
  （1） 如何创建RDD（scala集合，HDFS文件，HBase文件等）
  （2）如何基于RDD进行数据处理，介绍常见的分布式算子
  （3）如何保存处理结果（返回到driver端，写入hdfs等）
  （4）广播变量与累加器
  4.3 Spark程序设计实例
  （1）分布式Pi估算程序
  （2）K-means分类算法实现
  （3）逻辑回归算法实现
• Spark内部原理
• 5.1 Spark程序运行流程概述
  介绍Spark从提交，到调度，到后执行完成整个过程
  5.2 Spark内部执行流程
  介绍Spark程序内部的逻辑查询计划，物理查询计划，调度等几个环节
  5.3 Spark shuffle实现
  介绍Spark shuffle发展史及实现逻辑
  5.4 Spark算子的内部机制
  以reduce By Key和group By Key为例介绍spark算子的内部实现原理
• Spark与外部系统整合
• 6.1 Spark与Kafka和flume结合
  介绍如何使用kafka和flume将数据导入hadoop中，以便使用spark处理
  6.2 Spark与Storm结合
  介绍如何使用spark实时处理数据
  6.3 Spark与HBase和HDFS结合
  介绍Spark如何与HBase和HDFS实现数据的读写交互
  6.4 Spark与关系型数据库和hive结合
  介绍如何使用spark与关系型数据库和hive结合
• Spark调优方法
• Spark调优思想、方法
• Spark案例分析
• 基于Spark的商品推荐系统，包括：项目背景、项目架构、项目实施
• Spark Streaming应用及案例分析
• 8.1 Spark Streaming产生动机
  8.2 Spark Streaming程序设计
  （1）创建DStream
  （2）基于DStream进行流式处理
  8.3 Spark Streaming容错与性能优化
  （1）Spark Streaming容错机制
  （2）如何对spark Streaming进行优化
  8.4 Spark Streaming案例分析
  基于Spark Streaming的用户标签系统，内容包括项目背景，项目架构以及实施方法
• Spark SQL
• 9.1 Spark SQL定位
  9.2 如何使用SparkSQL处理数据
  （1）使用SparkSQL处理HDFS上数据
  （2）使用SparkSQL处理Hive中的数据
  9.3 Spark SQL与Spark及Spark Streaming结合
• MLlib
• 10. 介绍Spark的数据挖掘库MLlib，重点介绍其内部的几个分类算法，聚类算法和推荐算法，包括逻辑回归，K-Means，协同过滤等
• GraphX
• 11. 介绍Spark内部的图计算框架GraphX，重点介绍它的基本原理及使用方法