文档章节

Spark 2.0大型项目实战:移动电商app交互式数据

Zosimer
 Zosimer
发布于 2017/08/23 10:26
字数 3519
阅读 8
收藏 0
点赞 0
评论 0

一、大数据集群搭建
第1讲-课程介绍
第2讲-课程环境搭建:CentOS 6.4集群搭建
第3讲-课程环境搭建:hadoop-2.5.0-cdh5.3.6集群搭建
第4讲-课程环境搭建:hive-0.13.1-cdh5.3.6安装
第5讲-课程环境搭建:zookeeper-3.4.5-cdh5.3.6集群搭建
第6讲-课程环境搭建:kafka_2.9.2-0.8.1集群搭建
第7讲-课程环境搭建:flume-ng-1.5.0-cdh5.3.6安装
第8讲-课程环境搭建:离线日志采集流程介绍
第9讲-课程环境搭建:实时数据采集流程介绍
第10讲-课程环境搭建:Spark 1.5.1客户端安装以及基于YARN的提交模式
 
二、用户访问session分析: 
第11讲-用户访问session分析:模块介绍
第12讲-用户访问session分析:基础数据结构以及大数据平台架构介绍
第13讲-用户访问session分析:需求分析
第14讲-用户访问session分析:技术方案设计
第15讲-用户访问session分析:数据表设计
第16讲-用户访问session分析:Eclipse工程搭建以及工具类说明
第17讲-用户访问session分析:开发配置管理组件
第18讲-用户访问session分析:JDBC原理介绍以及增删改查示范
第19讲-用户访问session分析:数据库连接池原理
第20讲-用户访问session分析:单例设计模式
第21讲-用户访问session分析:内部类以及匿名内部类
第22讲-用户访问session分析:开发JDBC辅助组件(上)
第23讲-用户访问session分析:开发JDBC辅助组件(下)
第24讲-用户访问session分析:JavaBean概念讲解
第25讲-用户访问session分析:DAO模式讲解以及TaskDAO开发
第26讲-用户访问session分析:工厂模式讲解以及DAOFactory开发
第27讲-用户访问session分析:JSON数据格式讲解以及fastjson介绍
第28讲-用户访问session分析:Spark上下文构建以及模拟数据生成
第29讲-用户访问session分析:按session粒度进行数据聚合
第30讲-用户访问session分析:按筛选参数对session粒度聚合数据进行过滤
第31讲-用户访问session分析:session聚合统计之自定义Accumulator
第32讲-用户访问session分析:session聚合统计之重构实现思路与重构session聚合
第33讲-用户访问session分析:session聚合统计之重构过滤进行统计
第34讲-用户访问session分析:session聚合统计之计算统计结果并写入MySQL
第35讲-用户访问session分析:session聚合统计之本地测试
第36讲-用户访问session分析:session聚合统计之使用Scala实现自定义Accumulator
第37讲-用户访问session分析:session随机抽取之实现思路分析
第38讲-用户访问session分析:session随机抽取之计算每天每小时session数量
第39讲-用户访问session分析:session随机抽取之按时间比例随机抽取算法实现
第40讲-用户访问session分析:session随机抽取之根据随机索引进行抽取
第41讲-用户访问session分析:session随机抽取之获取抽取session的明细数据
第42讲-用户访问session分析:session随机抽取之本地测试
第43讲-用户访问session分析:top10热门品类之需求回顾以及实现思路分析
第44讲-用户访问session分析:top10热门品类之获取session访问过的所有品类
第45讲-用户访问session分析:top10热门品类之计算各品类点击、下单和支付的次数
第46讲-用户访问session分析:top10热门品类之join品类与点击下单支付次数
第47讲-用户访问session分析:top10热门品类之自定义二次排序key
第48讲-用户访问session分析:top10热门品类之进行二次排序
第49讲-用户访问session分析:top10热门品类之获取top10品类并写入MySQL
第50讲-用户访问session分析:top10热门品类之本地测试
第51讲-用户访问session分析:top10热门品类之使用Scala实现二次排序
第52讲-用户访问session分析:top10活跃session之开发准备以及top10品类RDD生成
第53讲-用户访问session分析:top10活跃session之计算top10品类被各sessoin点击的次数
第54讲-用户访问session分析:top10活跃session之分组取TopN算法获取top10活跃session
第55讲-用户访问session分析:top10活跃session之本地测试以及阶段总结
 
三、企业级性能调优、troubleshooting经验与数据倾斜解决方案:
第56讲-用户访问session分析:性能调优之在实际项目中分配更多资源
第57讲-用户访问session分析:性能调优之在实际项目中调节并行度
第58讲-用户访问session分析:性能调优之在实际项目中重构RDD架构以及RDD持久化
第59讲-用户访问session分析:性能调优之在实际项目中广播大变量
第60讲-用户访问session分析:性能调优之在实际项目中使用Kryo序列化
第61讲-用户访问session分析:性能调优之在实际项目中使用fastutil优化数据格式
第62讲-用户访问session分析:性能调优之在实际项目中调节数据本地化等待时长
第63讲-用户访问session分析:JVM调优之原理概述以及降低cache操作的内存占比
第64讲-用户访问session分析:JVM调优之调节executor堆外内存与连接等待时长
第65讲-用户访问session分析:Shuffle调优之原理概述
第66讲-用户访问session分析:Shuffle调优之合并map端输出文件
第67讲-用户访问session分析:Shuffle调优之调节map端内存缓冲与reduce端内存占比
第68讲-用户访问session分析:Shuffle调优之HashShuffleManager与SortShuffleManager
第69讲-用户访问session分析:算子调优之MapPartitions提升Map类操作性能
第70讲-用户访问session分析:算子调优之filter过后使用coalesce减少分区数量
第71讲-用户访问session分析:算子调优之使用foreachPartition优化写数据库性能
第72讲-用户访问session分析:算子调优之使用repartition解决Spark SQL低并行度的性能问题
第73讲-用户访问session分析:算子调优之reduceByKey本地聚合介绍
第74讲-用户访问session分析:troubleshooting之控制shuffle reduce端缓冲大小以避免OOM
第75讲-用户访问session分析:troubleshooting之解决JVM GC导致的shuffle文件拉取失败
第76讲-用户访问session分析:troubleshooting之解决YARN队列资源不足导致的application直接失败
第77讲-用户访问session分析:troubleshooting之解决各种序列化导致的报错
第78讲-用户访问session分析:troubleshooting之解决算子函数返回NULL导致的问题
第79讲-用户访问session分析:troubleshooting之解决yarn-client模式导致的网卡流量激增问题
第80讲-用户访问session分析:troubleshooting之解决yarn-cluster模式的JVM栈内存溢出问题
第81讲-用户访问session分析:troubleshooting之错误的持久化方式以及checkpoint的使用
第82讲-用户访问session分析:数据倾斜解决方案之原理以及现象分析
第83讲-用户访问session分析:数据倾斜解决方案之聚合源数据以及过滤导致倾斜的key
第84讲-用户访问session分析:数据倾斜解决方案之提高shuffle操作reduce并行度
第85讲-用户访问session分析:数据倾斜解决方案之使用随机key实现双重聚合
第86讲-用户访问session分析:数据倾斜解决方案之将reduce join转换为map join
第87讲-用户访问session分析:数据倾斜解决方案之sample采样倾斜key单独进行join
第88讲-用户访问session分析:数据倾斜解决方案之使用随机数以及扩容表进行join
 
四、页面单跳转化率统计:
第89讲-页面单跳转化率:模块介绍
第90讲-页面单跳转化率:需求分析、技术方案设计、数据表设计
第91讲-页面单跳转化率:编写基础代码
第92讲-页面单跳转化率:页面切片生成以及页面流匹配算法实现
第93讲-页面单跳转化率:计算页面流起始页面的pv
第94讲-页面单跳转化率:计算页面切片的转化率
第95讲-页面单跳转化率:将页面切片转化率写入MySQL
第96讲-页面单跳转化率:本地测试
第97讲-页面单跳转化率:生产环境测试
第98讲-用户访问session分析:生产环境测试
 
五、各区域热门商品统计:
第99讲-各区域热门商品统计:模块介绍
第100讲-各区域热门商品统计:需求分析、技术方案设计以及数据设计
第101讲-各区域热门商品统计:查询用户指定日期范围内的点击行为数据
第102讲-各区域热门商品统计:异构数据源之从MySQL中查询城市数据
第103讲-各区域热门商品统计:关联城市信息以及RDD转换为DataFrame后注册临时表
第104讲-各区域热门商品统计:开发自定义UDAF聚合函数之group_concat_distinct()
第105讲-各区域热门商品统计:查询各区域各商品的点击次数并拼接城市列表
第106讲-各区域热门商品统计:关联商品信息并使用自定义get_json_object函数和内置if函数标记经营类型
第106讲-各区域热门商品统计:使用开窗函数统计各区域的top3热门商品
第107讲-各区域热门商品统计:使用内置case when函数给各个区域打上级别标记
第108讲-各区域热门商品统计:将结果数据写入MySQL中
第109讲-各区域热门商品统计:Spark SQL数据倾斜解决方案
第110讲-各区域热门商品统计:生产环境测试
 
六、广告点击流量实时统计:
第111讲-广告点击流量实时统计:需求分析、技术方案设计以及数据设计
第112讲-广告点击流量实时统计:为动态黑名单实时计算每天各用户对各广告的点击次数
第113讲-广告点击流量实时统计:使用高性能方式将实时计算结果写入MySQL中
第114讲-广告点击流量实时统计:过滤出每个batch中的黑名单用户以生成动态黑名单
第115讲-广告点击流量实时统计:基于动态黑名单进行点击行为过滤
第116讲-广告点击流量实时统计:计算每天各省各城市各广告的点击量
第117讲-广告点击流量实时统计:计算每天各省的top3热门广告
第118讲-广告点击流量实时统计:计算每天各广告最近1小时滑动窗口内的点击趋势
第119讲-广告点击流量实时统计:实现实时计算程序的HA高可用性
第120讲-广告点击流量实时统计:对实时计算程序进行性能调优
第121讲-广告点击流量实时统计:生产环境测试
第122讲-课程总结:都学到了什么?
 
新升级增加课程大纲:
第123讲-(赠送)Spark 2.0-新特性介绍
第124讲-(赠送)Spark 2.0-新特性介绍-易用性:标准化SQL支持以及更合理的API
第125讲-(赠送)Spark 2.0-新特性介绍-高性能:让Spark作为编译器来运行
第126讲-(赠送)Spark 2.0-新特性介绍-智能化:Structured Streaming介绍
第127讲-(赠送)Spark 2.0-新特性介绍-Spark 1.x的Volcano Iterator Model技术缺陷分析
第128讲-(赠送)Spark 2.0-新特性介绍-whole-stage code generation技术和vectorization技术
第129讲-(赠送)Spark 2.0-Spark 2.x与1.x对比以及分析、学习建议以及使用建议
第130讲-(赠送)Spark 2.0-课程环境搭建:虚拟机、CentOS、Hadoop、Spark等
第131讲-(赠送)Spark 2.0-开发环境搭建:Eclipse+Maven+Scala+Spark
第132讲-基于Spark 2.0的用户活跃度分析:模块介绍以及交互式用户行为分析系统的解释
第133讲-基于Spark 2.0的用户活跃度分析:统计指定时间内访问次数最多的10个用户
第134讲-基于Spark 2.0的用户活跃度分析:统计指定时间内购买金额最多的10个用户
第135讲-基于Spark 2.0的用户活跃度分析:统计最近一个周期相比上一个周期访问次数增长最多的10个用户
第136讲-基于Spark 2.0的用户活跃度分析:统计最近一个周期相比上一个周期购买金额增长最多的10个用户
第137讲-基于Spark 2.0的用户活跃度分析:统计指定注册时间范围内头7天访问次数最高的10个用户
第138讲-基于Spark 2.0的用户活跃度分析:统计指定注册时间范围内头7天购买金额最高的10个用户
 

附带课件、代码、软件包

下载地址:http://www.itsource.com.cn/thread-51-1-1.html

© 著作权归作者所有

共有 人打赏支持
Zosimer
粉丝 4
博文 34
码字总数 75454
作品 0
合肥
Spark2.1.0之剖析spark-shell

通过在spark-shell中执行word count的过程,让读者了解到可以使用spark-shell提交Spark作业。现在读者应该很想知道spark-shell究竟做了什么呢? 脚本分析 在Spark安装目录的bin文件夹下可以找...

beliefer ⋅ 04/20 ⋅ 0

spark 大型项目实战(四):用户访问session分析(四) --简要技术方法的设计

1、按条件筛选session 2、聚合统计:统计出符合条件的session中,访问时长在1s~3s、4s~6s、7s~9s、10s~30s、30s~60s、1m~3m、3m~10m、10m~30m、30m以上各个范围内的session占比;访问步长在1...

u012957549 ⋅ 05/12 ⋅ 0

第二期:关于十大数据相关问答汇总,关注持续更新中哦~

NO.1 学大数据如何零基础入门? 答:学习任何东西都一样,一开始就是一道坎,我很喜欢看书,特别是容易入门的书。对于大数据,我的具体研究方向是大规模数据的机器学习应用,所以首先要掌握以...

琳达老师 ⋅ 05/12 ⋅ 0

Spark笔记整理(二):RDD与spark核心概念名词

[TOC] Spark RDD 非常基本的说明,下面一张图就能够有基本的理解: Spark RDD基本说明 1、Spark的核心概念是RDD (resilient distributed dataset,弹性分布式数据集),指的是一个只读的,可分...

xpleaf ⋅ 04/25 ⋅ 0

Spark基本工作原理与RDD及wordcount程序实例和原理深度剖析

RDD以及其特点 1、RDD是Spark提供的核心抽象,全称为Resillient Distributed Dataset,即弹性分布式数据集。 2、RDD在抽象上来说是一种元素集合,包含了数据。它是被分区的,分为多个分区,每...

qq1137623160 ⋅ 05/10 ⋅ 0

大数据经典学习路线(及供参考)之 三

3.Storm实时计算部分阶段 实时课程分为两个部分:流式计算核心技术和流式计算计算案例实战。 1.流式计算核心技术 流式计算核心技术主要分为两个核心技术点:Storm和Kafka,学完此阶段能够掌握...

柯西带你学编程 ⋅ 05/22 ⋅ 0

spark 大型项目实战(一):用户访问session分析(1) --模块介绍

模块的目标:对用户访问的session 进行分析 1、可以根据使用者指定的某些条件,筛选出指定的一些用户(有特定年龄、职业、城市); 2、对这些用户在指定日期范围内发起的session,进行聚合统...

u012957549 ⋅ 05/12 ⋅ 0

Spark Streaming入门

欢迎大家前往腾讯云+社区,获取更多腾讯海量技术实践干货哦~ 本文将帮助您使用基于HBase的Apache Spark Streaming。Spark Streaming是Spark API核心的一个扩展,支持连续的数据流处理。 什么...

腾讯云加社区 ⋅ 05/16 ⋅ 0

『 Spark 』3. spark 编程模式

写在前面 本系列是综合了自己在学习spark过程中的理解记录 + 对参考文章中的一些理解 + 个人实践spark过程中的一些心得而来。写这样一个系列仅仅是为了梳理个人学习spark的笔记记录,所以一...

董黎明 ⋅ 06/11 ⋅ 0

Spark笔记整理(三):Spark WC开发与应用部署

[TOC] Spark WordCount开发 创建的是maven工程,使用的依赖如下: spark wc之Java版本 本地执行,输出结果如下: ###spark wc之Java lambda版本 本地执行,输出结果如下: spark wc之scala版...

xpleaf ⋅ 04/25 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

android -------- 颜色的半透明效果配置

最近有朋友问我 Android 背景颜色的半透明效果配置,我网上看资料,总结了一下, 开发中也是常常遇到的,所以来写篇博客 常用的颜色值格式有: RGB ARGB RRGGBB AARRGGBB 这4种 透明度 透明度...

切切歆语 ⋅ 8分钟前 ⋅ 0

CentOS开机启动subversion

建立自启动脚本: vim /etc/init.d/subversion 输入如下内容: #!/bin/bash## subversion startup script for the server## chkconfig: 2345 90 10# description: start the subve......

随风而飘 ⋅ 12分钟前 ⋅ 0

Nginx + uwsgi @ubuntu

uwsgi 安装 sudo apt-get install python3-pip # 注意 ubuntu python3默认没有安装pippython3 -m pip install uwsgi 代码(test.py) def application(env, start_response): start_res......

袁祾 ⋅ 13分钟前 ⋅ 0

版本控制工具

CSV , SVN , GIT ,VSS

颖伙虫 ⋅ 15分钟前 ⋅ 0

【2018.06.19学习笔记】【linux高级知识 13.1-13.3】

13.1 设置更改root密码 13.2 连接mysql 13.3 mysql常用命令

lgsxp ⋅ 23分钟前 ⋅ 0

LVM

LVM: 硬盘划分分区成物理卷->物理卷组成卷组->卷组划分逻辑分区。 1.磁盘分区: fdisk /dev/sdb 划分几个主分区 输入t更改每个分区类型为8e(LVM) 使用partprobe生成分区的文件:如/dev/sd...

ZHENG-JY ⋅ 51分钟前 ⋅ 0

彻底删除Microsoft Office的方法

参照此链接彻底删除Office https://support.office.com/zh-cn/article/%e4%bb%8e-pc-%e5%8d%b8%e8%bd%bd-office-9dd49b83-264a-477a-8fcc-2fdf5dbf61d8?ui=zh-CN&rs=zh-CN&ad=CN......

Kampfer ⋅ 今天 ⋅ 0

大盘与个股之间关系

大盘走多:积极出手 顺势加码 大盘走空: 少量出手 退场观望 大盘做头:逆势减码 少量操作 大盘做底 : 小量建仓 小量试单

guozenhua ⋅ 今天 ⋅ 0

Day16 LVM(逻辑卷管理)与磁盘故障小案例

lvm详解 简述 LVM的产生是因为传统的分区一旦分区好后就无法在线扩充空间,也存在一些工具能实现在线扩充空间但是还是会面临数据损坏的风险;传统的分区当分区空间不足时,一般的解决办法是再...

杉下 ⋅ 今天 ⋅ 0

rsync实现多台linux服务器的文件同步

一、首先安装rsync,怎样安装都行,rpm,yum,还是你用源码安装都可以。因为我用的是阿里云的ESC,yum install rsync就ok了。 二、配置rsync服务 1.先建立个同步数据的帐号 123 groupadd r...

在下头真的很硬 ⋅ 今天 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

返回顶部
顶部