各有關(guān)單位：
當下是大數(shù)據(jù)時代，為構(gòu)建大數(shù)據(jù)平臺，技術(shù)人員需要對分布式計算平臺有一定深入的理解和應用。MapReduce作為一個經(jīng)典的分布式計算框架，已經(jīng)廣為人知，且得到了廣泛的應用，但MapReduce自身存在很多問題，包括迭代式計算和DAG計算等類型的數(shù)據(jù)挖掘與機器學習算法性能低下，不能很好地利用內(nèi)存資源，編程復雜度較高等。為了克服MapReduce的眾多問題，新型計算框架出現(xiàn)了。Spark已經(jīng)被不少互聯(lián)網(wǎng)公司采用，大部分數(shù)據(jù)挖掘算法和迭代式算法在逐步MapReduce平臺遷移到Spark平臺中，包括阿里巴巴，騰訊，百度，優(yōu)酷土豆，360，支付寶等互聯(lián)網(wǎng)公司已經(jīng)在線上產(chǎn)品中使用spark，且取得了令人滿意的效果，另外，部分省份的運營商也正在嘗試使用spark解決數(shù)據(jù)挖掘和分析問題，部分銀行，如工商銀行，也正在嘗試spark平臺。因此我們決定開展“Spark大數(shù)據(jù)處理與案例分析高級工程師”實戰(zhàn)培訓班，望相關(guān)單位收到通知后積極參加。相關(guān)培訓事宜如下:

培訓特色
本課程將分別從理論基礎知識，系統(tǒng)搭建以及應用案例三方面對spark進行介紹。
采用循序漸進的課程講授方法，首先講解Spark系統(tǒng)基礎知識，概念及架構(gòu)，之后講解Spark實戰(zhàn)技巧，最后詳盡地介紹Spark經(jīng)典案例，使培訓者從概念到實戰(zhàn)，均會有收獲和提高。

培訓費用及須知
培訓費6800元。（含培訓費、資料費、考試費、證書費、講義光盤費等）。需要住宿學員請?zhí)崆巴ㄖ�，可統(tǒng)一安排，費用自理。

培訓大綱（3天課程）

模塊一
Spark 2.1概述
1、Spark產(chǎn)生背景，包括mapreduce缺陷，多計算框架并存等
2、Spark 基本特點
3、Spark版本演化
4、Spark核心概念，包括RDD, transformation, action, cache等
5、Spark生態(tài)系統(tǒng)，包括Spark生態(tài)系統(tǒng)構(gòu)成，以及與Hadoop生態(tài)系統(tǒng)關(guān)系
6、Spark在互聯(lián)網(wǎng)公司中的地位與應用
7、介紹當前互聯(lián)網(wǎng)公司的Spark應用案例
8、Spark集群搭建，包括測試集群搭建和生產(chǎn)環(huán)境中集群搭建方法，并親手演示整個過程
9、背景知識補充介紹

模塊二
Spark Core
Spark 程序設計與企業(yè)級應用案例
1、Spark運行模式介紹
Spark運行組件構(gòu)成，spark運行模式（local、standalone、mesos/yarn等）
2、Spark開發(fā)環(huán)境構(gòu)建
集成開發(fā)環(huán)境選擇，親手演示spark程序開發(fā)與調(diào)試，spark運行
3、常見transformation與action用法
介紹常見transformation與action使用方法，以及代碼片段剖析
4、常見控制函數(shù)介紹
包括cache、broadcast、accumulator等
5、Spark 應用案例：點擊流日志分析
包括：背景介紹，數(shù)據(jù)導入，數(shù)據(jù)分析，常見Spark transformation和action用法在線演示

模塊三
Spark
內(nèi)部原理剖析與源碼閱讀
1、Spark運行模式剖析
深入分析spark運行模式，包括local，standalone以及spark on yarn
2、Spark運行流程剖析
包括spark邏輯查詢計劃，物理查詢計劃以及分布式執(zhí)行
3、Spark shuffle剖析
深入介紹spark shuffle的實現(xiàn)，主要介紹hash-based和sort-based兩種實現(xiàn)
4、Spark 源碼閱讀
Spark源碼構(gòu)成以及閱讀方法

模塊三
Spark
程序調(diào)優(yōu)技巧
1、數(shù)據(jù)存儲格式調(diào)優(yōu)數(shù)據(jù)存儲格式選擇，數(shù)據(jù)壓縮算法選擇等
2、資源調(diào)優(yōu)
如何設置合理的executor、cpu和內(nèi)存數(shù)目，YARN多租戶調(diào)度器合理設置，啟用YARN的標簽調(diào)度策略等
3、程序參數(shù)調(diào)優(yōu)
介紹常見的調(diào)優(yōu)參數(shù)，包括避免不必要的文件分發(fā)，調(diào)整任務并發(fā)度，提高數(shù)據(jù)本地性，JVM參數(shù)調(diào)優(yōu)，序列化等
4、程序?qū)崿F(xiàn)調(diào)優(yōu)
如何選擇最合適的transformation與action函數(shù)
5、調(diào)優(yōu)案例分享與演示
演示一個調(diào)優(yōu)案例，如何將一個spark程序的性能逐步優(yōu)化20倍以上。

模塊四
Spark sql 2.1
Spark SQL基本原理
1、Spark SQL是什么
2、Spark SQL基本原理
3、Spark Dataframe與DataSet
4、Spark SQL與Spark Core的關(guān)系

模塊五
Spark SQL
程序設計與企業(yè)級應用案例
1、Spark SQL程序設計
a. 如何訪問MySQL、HDFS等數(shù)據(jù)源，如何處理parquet格式數(shù)據(jù)
b. 常用的DSL語法有哪些，如何使用
c. Spark SQL調(diào)優(yōu)技巧
d. 數(shù)據(jù)傾斜解決方案

模塊六
Spark Streaming程序設計及應用案例
1、Spark Streaming基本原理
a. Spark Streaming是什么
b. Spark Streaming基本原理
c. Structured Streaming
d. Spark Streaming 編程接口介紹
e. Spark Streaming應用案例
2、Spark Streaming程序設計與企業(yè)級應用案例
a. 常見流式數(shù)據(jù)處理模式
b. Spark Streaming與Kafka 交互
c. Spark Streaming與Redis交互
d. Spark Streaming部署與運行
e. Spark Streaming企業(yè)級案例：用戶行為實時分析系統(tǒng)

模塊七
Spark Mllib
Spark MLlib
企業(yè)級案例
1. Spark MLlib簡介
2. 數(shù)據(jù)表示方式
3. MLlib中的聚類、分類和推薦算法
4. 如何使用MLlib的算法
5. Spark MLLib企業(yè)級案例：用戶畫像之性別預測

模塊八
Spark綜合案例
信用評分實時分析系統(tǒng)
1. 背景介紹
2. 什么是Lambda architecture
3. 利用Spark Core+MLlib+構(gòu)建離線處理
4. 利用flume+Spark Streaming+Redis構(gòu)建實時處理線
5. 整合批處理和實時處理線

模塊八
Spark綜合案例
信用評分實時分析系統(tǒng)
1. 背景介紹
2. 什么是Lambda architecture
3. 利用Spark Core+MLlib+構(gòu)建離線處理
4. 利用flume+Spark Streaming+Redis構(gòu)建實時處理線
5. 整合批處理和實時處理線

模塊九
典型項目
案例實戰(zhàn)
 基于spark日志分析
 個性化推薦系統(tǒng)：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(tǒng)的神秘面紗
 淘寶數(shù)據(jù)服務架構(gòu)—實時計算平臺