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 10
收藏 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
私信 提问
Spark cluster 部署

Spark 框架 Spark与Storm的对比 对于Storm来说: 1、建议在那种需要纯实时,不能忍受1秒以上延迟的场景下使用,比如实时金融系统,要求纯实时进行金融交易和分析 2、此外,如果对于实时计算的...

meteor_hy
06/27
0
0
Spark2.1集群安装(standalone模式)

机器部署   准备三台Linux服务器,安装好JDK1.7 下载Spark安装包   上传spark-2.1.0-bin-hadoop2.6.tgz安装包到Linux(intsmaze-131)上  解压安装包到指定位置tar -zxvf spark-2.1.0-bin...

刘洋intsmaze
2017/03/17
0
0
【Spark亚太研究院系列丛书】Spark实战高手之路-第3章Spark架构设计与编程模型第2节①

一、到底什么是Spark? Spark是一个通用的大数据计算平台,基于“One Stack to rule them all”的理念成功成为了一体化多元化的大数据处理平台,轻松应对大数据处理中的实时流计算、SQL交互式...

Spark亚太研究院
2014/12/29
0
0
Hadoop CDH5 Spark部署

Spark是一个基于内存计算的开源的集群计算系统,目的是让数据分析更加快速,Spark 是一种与 Hadoop 相似的开源集群计算环境,但是两者之间还存在一些不同之处,这些有用的不同之处使 Spark ...

China_OS
2014/05/30
0
0
Spark比拼Flink:下一代大数据计算引擎之争,谁主沉浮?

AI 前线导读: 做大数据绝对躲不过的一个热门话题就是实时流计算,而提到实时流计算,就不得不提 Spark 和 Flink。Spark 从 2014 年左右开始迅速流行,刚推出时除了在某些场景比 Hadoop Map...

AI前线
07/23
0
0

没有更多内容

加载失败,请刷新页面

加载更多

Alibaba Java诊断利器Arthas实践--使用redefine排查应用奇怪的日志来源

背景 随着应用越来越复杂,依赖越来越多,日志系统越来越混乱,有时会出现一些奇怪的日志,比如: [] [] [] No credential found 那么怎样排查这些奇怪的日志从哪里打印出来的呢?因为搞不清...

hengyunabc
今天
1
0
home hosts

home hosts lwk@qwfys:~$ cat /etc/hosts127.0.0.1 localhost127.0.1.1 qwfys192.168.56.101vm600.qwfys.com39.108.212.91alpha1.ppy.com39.108.117.122alpha2.p......

qwfys
今天
1
0
大数据教程(6.1)hadoop生态圈介绍及就业前景

1. HADOOP背景介绍 1.1、什么是HADOOP 1.HADOOP是apache旗下的一套开源软件平台 2.HADOOP提供的功能:利用服务器集群,根据用户的自定义业务逻辑,对海量数据进行分布式处理 3.HADOOP的核心组...

em_aaron
今天
4
0
hadoop垃圾回收站

在生产生,hdfs回收站必须是开启的,一般设置为7天。 fs.trash.interval 为垃圾回收站保留时间,如果为0则禁用回收站功能。 fs.trash.checkpoint.interval 回收站检查点时间,一般设置为小于...

hnairdb
昨天
3
0
腾讯与Github的魔幻会面背后的故事…

10月22日,腾讯开源管理办公室有幸邀请到Github新晋CEO Nat Friedman,前来鹅厂参观交流。目前腾讯已经有近70个项目在Github上开源,共获得17w stars,世界排名11位。Github是腾讯开源的主阵...

腾讯开源
昨天
19
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部