Spark生態介紹

Mapreduce、storm和spark模型的比較和使用場景介紹

Spark產生背景

Spark（內存計算框架）

SparkSteaming（流式計算框架）

Spark SQL（ad-hoc）

Mllib（MachineLearning）

GraphX（bagel將被代）

DlinkDB介紹

SparkR介紹

Spark安裝部署

Spark安裝簡介

Spark的源碼編譯

Spark Standalone安裝

Spark應用程序部署工具spark-submit

Spark的高可用性部署

Spark運行架構和解析

Spark的運行架構

基本術語

Spark on Standalone運行過程

Spark on YARN 運行過程

Spark運行實例解析

Spark on Standalone實例解析

Spark on YARN實例解析

比較 Standalone與YARN模式下的優缺點

Spark scala編程

Scala基本語法與高階語法

Scala開發環境搭建

Scala開發Spark應用程序

使用java編程

使用python編程

Spark編程模型和解析

Spark的編程模型

Spark編程模型解析

RDD的特點、操作、依賴關系

Spark應用程序的配置

Spark的架構

spark的容錯機制

數據的本地性

緩存策略介紹

寬依賴與窄依賴

Spark 數據挖掘

Mllib的介紹

graphX核心原理

table operator和graph operator區別

vertices、edges和triplets介紹

構建一個graph

SparkR原理

SparkR實戰

Spark Streaming原理和實踐

Spark Streaming與Strom的區別

Kafka的部署

Kafka與Spark Streaming的整合

Spark Streaming原理

Spark流式處理架構

DStream的特點

Dstream的操作和RDD的區別

帶狀態的transformation與無狀態transformation

Spark Streaming的優化

Spark Streaming實例

Streaming的容錯機制

streaming在yarn模式下的注意事項

對于需結合第三方存儲機制的與流式處理方案

文本實例

網絡數據處理

Kafka+Spark Streaming實現日志的實時分析案例

Spark的優化

序列化優化 — Kryo

Spark參數優化實戰

Spark 任務的均勻分布策略

Partition key傾斜的解決方案

Spark任務的監控

GC的優化

Spark Streaming吞吐量優化

Spark RDD使用內存的優化策略

Spark在使用中的感想分享

Spark的數據源

Spark與HDFS的整合

HDFS RDD原理和實現

Spark與Hbase的整合

Spark與Cassendera整合

Hbase RDD的分區讀取

Hbase RDD的原理和實現

Spark parallelism RDD的工作機制

Spark Streaming應用及案例分析

Spark Streaming產生動機

Spark Streaming程序設計

1)創建DStream

2)基于DStream進行流式處理

Spark Streaming容錯與性能優化

1)Spark Streaming容錯機制

2)如何對spark Streaming進行優化

Spark Streaming案例分析

基于Spark Streaming的用戶標簽系統，內容包括項目背景，項目架構以及實施方法

典型項目案例實戰

基于spark日志分析

個性化推薦系統：帶你揭開其神秘面紗

在線投放引擎

揭開淘寶點擊推薦系統的神秘面紗

淘寶數據服務架構—實時計算平臺