极客时间-吴磊-零基础入门 Spark（完结）

课程信息

《极客时间-吴磊-零基础入门Spark（完结）》是一门由前FreeWheel机器学习研发经理吴磊主讲的高品质课程。课程从Spark的基础知识讲起，通过实战案例深入剖析Spark的核心原理，涵盖RDD、Spark SQL、Spark MLlib、Structured Streaming等多个模块。帮助学员零基础上手Spark，掌握大数据处理和分析技能，适合大数据从业者及爱好者学习。

课程目录

├── 01-开篇词(1讲)
│   ├── 开篇词丨入门Spark，你需要学会“三步走”.html 3.21M
│   ├── 开篇词丨入门Spark，你需要学会“三步走”.m4a 12.37M
│   └── 开篇词丨入门Spark，你需要学会“三步走”.pdf 3.53M
├── 02-基础知识(1讲)
│   ├── 01丨Spark：从“大数据的HelloWorld”开始.html 4.82M
│   ├── 01丨Spark：从“大数据的HelloWorld”开始.m4a 14.48M
│   ├── 01丨Spark：从“大数据的HelloWorld”开始.pdf 5.04M
│   ├── 02丨RDD与编程模型：延迟计算是怎么回事？.html 2.63M
│   ├── 02丨RDD与编程模型：延迟计算是怎么回事？.m4a 13.81M
│   ├── 02丨RDD与编程模型：延迟计算是怎么回事？.pdf 4.03M
│   ├── 03丨RDD常用算子（一）：RDD内部的数据转换.html 2.47M
│   ├── 03丨RDD常用算子（一）：RDD内部的数据转换.m4a 15.87M
│   ├── 03丨RDD常用算子（一）：RDD内部的数据转换.pdf 3.65M
│   ├── 04丨进程模型与分布式部署：分布式计算是怎么回事？.html 2.51M
│   ├── 04丨进程模型与分布式部署：分布式计算是怎么回事？.m4a 13.54M
│   ├── 04丨进程模型与分布式部署：分布式计算是怎么回事？.pdf 3.41M
│   ├── 05丨调度系统：DAG、Stages与分布式任务.html 3.08M
│   ├── 05丨调度系统：DAG、Stages与分布式任务.m4a 18.68M
│   ├── 05丨调度系统：DAG、Stages与分布式任务.pdf 5.19M
│   ├── 06丨Shuffle管理：为什么Shuffle是性能瓶颈？.html 2.38M
│   ├── 06丨Shuffle管理：为什么Shuffle是性能瓶颈？.m4a 14.41M
│   ├── 06丨Shuffle管理：为什么Shuffle是性能瓶颈？.pdf 3.73M
│   ├── 07丨RDD常用算子（二）：Spark如何实现数据聚合？.html 2.50M
│   ├── 07丨RDD常用算子（二）：Spark如何实现数据聚合？.m4a 13.55M
│   ├── 07丨RDD常用算子（二）：Spark如何实现数据聚合？.pdf 4.11M
│   ├── 08丨内存管理：Spark如何使用内存？.html 3.04M
│   ├── 08丨内存管理：Spark如何使用内存？.m4a 13.43M
│   ├── 08丨内存管理：Spark如何使用内存？.pdf 4.24M
│   ├── 09丨RDD常用算子（三）：数据的准备、重分布与持久化.html 2.81M
│   ├── 09丨RDD常用算子（三）：数据的准备、重分布与持久化.m4a 16.93M
│   ├── 09丨RDD常用算子（三）：数据的准备、重分布与持久化.pdf 4.42M
│   ├── 10丨广播变量&累加器：共享变量是用来做什么的？.m4a 11.77M
│   ├── 10丨广播变量-累加器：共享变量是用来做什么的？.html 2.04M
│   ├── 10丨广播变量-累加器：共享变量是用来做什么的？.pdf 2.73M
│   ├── 11丨存储系统：数据到底都存哪儿了？.html 2.86M
│   ├── 11丨存储系统：数据到底都存哪儿了？.m4a 10.79M
│   ├── 11丨存储系统：数据到底都存哪儿了？.pdf 5.19M
│   ├── 12丨基础配置详解：有哪些配置项是你必须要关注的？.html 2.13M
│   ├── 12丨基础配置详解：有哪些配置项是你必须要关注的？.m4a 15.29M
│   └── 12丨基础配置详解：有哪些配置项是你必须要关注的？.pdf 2.43M
├── 03-Spark SQL (4讲)
│   ├── 13丨让我们从《小汽车摇号分析》开始.html 2.89M
│   ├── 13丨让我们从《小汽车摇号分析》开始.m4a 12.60M
│   ├── 13丨让我们从《小汽车摇号分析》开始.pdf 4.40M
│   ├── 14丨DataFrame与SparkSQL的由来.html 3.44M
│   ├── 14丨DataFrame与SparkSQL的由来.m4a 14.88M
│   ├── 14丨DataFrame与SparkSQL的由来.pdf 5.70M
│   ├── 15丨数据源与数据格式：DataFrame从何而来？.html 3.11M
│   ├── 15丨数据源与数据格式：DataFrame从何而来？.m4a 18.06M
│   ├── 15丨数据源与数据格式：DataFrame从何而来？.pdf 4.46M
│   ├── 16丨数据转换：如何在DataFrame之上做数据处理？.html 3.35M
│   ├── 16丨数据转换：如何在DataFrame之上做数据处理？.m4a 17.13M
│   ├── 16丨数据转换：如何在DataFrame之上做数据处理？.pdf 4.52M
│   ├── 17丨数据关联：不同的关联形式与实现机制该怎么选？.html 2.49M
│   ├── 17丨数据关联：不同的关联形式与实现机制该怎么选？.m4a 14.48M
│   ├── 17丨数据关联：不同的关联形式与实现机制该怎么选？.pdf 3.66M
│   ├── 18丨数据关联优化：都有哪些Join策略，开发者该如何取舍？.html 3.14M
│   ├── 18丨数据关联优化：都有哪些Join策略，开发者该如何取舍？.m4a 12.28M
│   ├── 18丨数据关联优化：都有哪些Join策略，开发者该如何取舍？.pdf 4.18M
│   ├── 19丨配置项详解：哪些参数会影响应用程序执行性能？.html 3.61M
│   ├── 19丨配置项详解：哪些参数会影响应用程序执行性能？.m4a 14.33M
│   ├── 19丨配置项详解：哪些参数会影响应用程序执行性能？.pdf 3.73M
│   ├── 20丨Hive+Spark强强联合：分布式数仓的不二之选.html 3.34M
│   ├── 20丨Hive+Spark强强联合：分布式数仓的不二之选.m4a 17.36M
│   ├── 20丨Hive+Spark强强联合：分布式数仓的不二之选.pdf 4.99M
│   ├── 21丨SparkUI（上）：如何高效地定位性能问题？.html 5.55M
│   ├── 21丨SparkUI（上）：如何高效地定位性能问题？.m4a 11.45M
│   ├── 21丨SparkUI（上）：如何高效地定位性能问题？.pdf 6.46M
│   ├── 22丨SparkUI（下）：如何高效地定位性能问题？.html 5.78M
│   ├── 22丨SparkUI（下）：如何高效地定位性能问题？.m4a 13.07M
│   └── 22丨SparkUI（下）：如何高效地定位性能问题？.pdf 6.61M
├── 04-SparkMLlib(2讲)
│   ├── 23丨SparkMLlib：从“房价预测”开始.html 3.16M
│   ├── 23丨SparkMLlib：从“房价预测”开始.m4a 14.82M
│   ├── 23丨SparkMLlib：从“房价预测”开始.pdf 4.80M
│   ├── 24丨特征工程（上）：有哪些常用的特征处理函数？.html 3.72M
│   ├── 24丨特征工程（上）：有哪些常用的特征处理函数？.m4a 15.84M
│   ├── 24丨特征工程（上）：有哪些常用的特征处理函数？.pdf 4.63M
│   ├── 25丨特征工程（下）：有哪些常用的特征处理函数？.html 3.06M
│   ├── 25丨特征工程（下）：有哪些常用的特征处理函数？.m4a 11.64M
│   ├── 25丨特征工程（下）：有哪些常用的特征处理函数？.pdf 5.21M
│   ├── 26丨模型训练（上）：决策树系列算法详解.html 2.41M
│   ├── 26丨模型训练（上）：决策树系列算法详解.m4a 11.78M
│   ├── 26丨模型训练（上）：决策树系列算法详解.pdf 4.73M
│   ├── 27丨模型训练（中）：回归、分类和聚类算法详解.html 2.41M
│   ├── 27丨模型训练（中）：回归、分类和聚类算法详解.m4a 10.44M
│   ├── 27丨模型训练（中）：回归、分类和聚类算法详解.pdf 3.79M
│   ├── 28丨模型训练（下）：协同过滤与频繁项集算法详解.html 2.72M
│   ├── 28丨模型训练（下）：协同过滤与频繁项集算法详解.m4a 10.26M
│   ├── 28丨模型训练（下）：协同过滤与频繁项集算法详解.pdf 4.34M
│   ├── 29丨SparkMLlibPipeline：高效开发机器学习应用.html 2.19M
│   ├── 29丨SparkMLlibPipeline：高效开发机器学习应用.m4a 12.80M
│   └── 29丨SparkMLlibPipeline：高效开发机器学习应用.pdf 2.06M
├── 05-特别放送(1讲)
│   ├── 用户故事丨小王：保持空杯心态，不做井底之蛙.html 4.78M
│   ├── 用户故事丨小王：保持空杯心态，不做井底之蛙.m4a 6.24M
│   └── 用户故事丨小王：保持空杯心态，不做井底之蛙.pdf 12.05M
├── 06-StructuredStreaming(1讲)
│   ├── 30丨StructuredStreaming：从“流动的WordCount”开始.html 3.31M
│   ├── 30丨StructuredStreaming：从“流动的WordCount”开始.m4a 11.57M
│   ├── 30丨StructuredStreaming：从“流动的WordCount”开始.pdf 4.01M
│   ├── 31丨新一代流处理框架：Batchmode和Continuousmode哪家强？.html 3.70M
│   ├── 31丨新一代流处理框架：Batchmode和Continuousmode哪家强？.m4a 11.03M
│   ├── 31丨新一代流处理框架：Batchmode和Continuousmode哪家强？.pdf 5.17M
│   ├── 32丨Window操作&Watermark：流处理引擎提供了哪些优秀机制？.html 2.97M
│   ├── 32丨Window操作&Watermark：流处理引擎提供了哪些优秀机制？.m4a 13.20M
│   ├── 32丨Window操作&Watermark：流处理引擎提供了哪些优秀机制？.pdf 4.73M
│   ├── 33丨流计算中的数据关联：流与流、流与批.html 1.95M
│   ├── 33丨流计算中的数据关联：流与流、流与批.m4a 13.56M
│   ├── 33丨流计算中的数据关联：流与流、流与批.pdf 2.85M
│   ├── 34丨Spark+Kafka：流计算中的“万金油”.html 2.49M
│   ├── 34丨Spark+Kafka：流计算中的“万金油”.m4a 13.21M
│   └── 34丨Spark+Kafka：流计算中的“万金油”.pdf 4.08M
├── 08-特别放送(1讲)
│   ├── 用户故事丨小王：保持空杯心态，不做井底之蛙.html 4.03M
│   ├── 用户故事丨小王：保持空杯心态，不做井底之蛙.m4a 6.24M
│   └── 用户故事丨小王：保持空杯心态，不做井底之蛙.pdf 11.94M
└── 09-结束语(2讲)
    ├── 结束语丨进入时间裂缝，持续学习.html 2.52M
    ├── 结束语丨进入时间裂缝，持续学习.m4a 6.60M
    └── 结束语丨进入时间裂缝，持续学习.pdf 3.87M