1359| 0
|
Spark大型项目实战:电商用户行为分析大数据平台138讲 |
001.课程介绍
002.课程环境搭建-CentOS 6.4集群搭建(1) 002.课程环境搭建-CentOS 6.4集群搭建(2) 003.课程环境搭建-hadoop-2.5.0-cdh5.3.6集群搭建 004.课程环境搭建-hive-0.13.1-cdh5.3.6安装 005.课程环境搭建-zookeeper-3.4.5-cdh5.3.6集群搭建 006.课程环境搭建-kafka_2.9.2-0.8.1集群搭建_rec 007.课程环境搭建-flume-ng-1.5.0-cdh5.3.6安装_rec 008.课程环境搭建-离线日志采集流程介绍_rec 009.课程环境搭建-实时数据采集流程介绍_rec 010.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_rec 011.用户访问session分析-模块介绍_rec 012.用户访问session分析-基础数据结构以及大数据平台架构介绍_rec 013.用户访问session分析-需求分析_rec 014.用户访问session分析-技术方案设计_rec 015.用户访问session分析-数据表设计_rec 016.用户访问session分析-Eclipse工程搭建以及工具类说明_rec 017.用户访问session分析-开发配置管理组件_rec 018.用户访问session分析-JDBC原理介绍以及增删改查示范_rec 019.用户访问session分析-数据库连接池原理_rec 020.用户访问session分析-单例设计模式_rec 021.用户访问session分析-内部类以及匿名内部类_rec 022.用户访问session分析-开发JDBC辅助组件(上)_rec 023.用户访问session分析-开发JDBC辅助组件(下)_rec 024.用户访问session分析-JavaBean概念讲解_rec 025.用户访问session分析-DAO模式讲解以及TaskDAO开发_rec 026.用户访问session分析-工厂模式讲解以及DAOFactory开发_rec 027.用户访问session分析-JSON数据格式讲解以及fastjson介绍_rec 028.用户访问session分析-Spark上下文构建以及模拟数据生成_rec 029.用户访问session分析-按session粒度进行数据聚合_rec 030.用户访问session分析-按筛选参数对session粒度聚合数据进行过滤_rec 031.用户访问session分析-session聚合统计之自定义Accumulator_rec 032.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_rec 033.用户访问session分析-session聚合统计之重构过滤进行统计_rec 034.用户访问session分析-session聚合统计之计算统计结果并写入MySQL_rec 035.用户访问session分析-session聚合统计之本地测试_rec 036.用户访问session分析-session聚合统计之使用Scala实现自定义Accumulator_rec 037.用户访问session分析-session随机抽取之实现思路分析_rec 038.用户访问session分析-session随机抽取之计算每天每小时session数量_rec 039.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_rec 040.用户访问session分析-session随机抽取之根据随机索引进行抽取_rec 041.用户访问session分析-session随机抽取之获取抽取session的明细数据_rec 042.用户访问session分析-session随机抽取之本地测试_rec 043.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_rec 044.用户访问session分析-top10热门品类之获取session访问过的所有品类_rec 045.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_rec 046.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_rec 047.用户访问session分析-top10热门品类之自定义二次排序key_rec 048.用户访问session分析-top10热门品类之进行二次排序_rec 049.用户访问session分析-top10热门品类之获取top10品类并写入MySQL_rec 050.用户访问session分析-top10热门品类之本地测试_rec 051.用户访问session分析-top10热门品类之使用Scala实现二次排序_rec 052.用户访问session分析-top10活跃session之开发准备以及top10品类RDD生成_rec 053.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_rec 054.用户访问session分析-top10活跃session之分组取TopN算法获取top10活跃session_rec 055.用户访问session分析-top10活跃session之本地测试以及阶段总结_rec 056.用户访问session分析-性能调优之在实际项目中分配更多资源_rec 057.用户访问session分析-性能调优之在实际项目中调节并行度_rec 058.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_rec 059.用户访问session分析-性能调优之在实际项目中广播大变量_rec 060.用户访问session分析-性能调优之在实际项目中使用Kryo序列化 _rec 061.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_rec 062.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_rec 063.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_rec 064.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_rec 065.用户访问session分析-Shuffle调优之原理概述_rec 066.用户访问session分析-Shuffle调优之合并map端输出文件_rec 067.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 _rec 068.用户访问session分析-Shuffle调优之HashShuffleManager与SortShuffleManager_rec 069.用户访问session分析-算子调优之MapPartitions提升Map类操作性能 _rec 070.用户访问session分析-算子调优之filter过后使用coalesce减少分区数量 _rec 071.用户访问session分析-算子调优之使用foreachPartition优化写数据库性能_rec 072.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_rec 073.用户访问session分析-算子调优之reduceByKey本地聚合介绍_rec 074.用户访问session分析-troubleshooting之控制shuffle reduce端缓冲大小以避免OOM _rec 075.用户访问session分析-troubleshooting之解决JVM GC导致的shuffle文件拉取失败 _rec 076.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 _rec 077.用户访问session分析-troubleshooting之解决各种序列化导致的报错_rec 078.用户访问session分析-troubleshooting之解决算子函数返回NULL导致的问题 _rec 079.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_rec 080.用户访问session分析-troubleshooting之解决yarn-cluster模式的JVM栈内存溢出问题 _rec 081.用户访问session分析-troubleshooting之错误的持久化方式以及checkpoint的使用_rec 082.用户访问session分析-数据倾斜解决方案之原理以及现象分析_rec 083.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_rec 084.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_rec 085.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_rec 086.用户访问session分析-数据倾斜解决方案之将reduce join转换为map join_rec 087.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_rec 088.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_rec 089.页面单跳转化率-模块介绍_rec 090.页面单跳转化率-需求分析、技术方案设计、数据表设计 _rec 091.页面单跳转化率-编写基础代码_rec 092.页面单跳转化率-页面切片生成以及页面流匹配算法实现_rec 093.页面单跳转化率-计算页面流起始页面的pv_rec 094.页面单跳转化率-计算页面切片的转化率 _rec 095.页面单跳转化率-将页面切片转化率写入MySQL _rec 096.页面单跳转化率-本地测试_rec 097.页面单跳转化率-生产环境测试 _rec 098.用户访问session分析-生产环境测试_rec 099.各区域热门商品统计-模块介绍_rec 100.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_rec 101.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_rec 102.各区域热门商品统计-异构数据源之从MySQL中查询城市数据_rec 103.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_rec 104.各区域热门商品统计-开发自定义UDAF聚合函数之group_concat_distinct()_rec 105.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 _rec 106.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_rec 107.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_rec 108.各区域热门商品统计-将结果数据写入MySQL中_rec 109.各区域热门商品统计-Spark SQL数据倾斜解决方案_rec 110.各区域热门商品统计-生产环境测试_rec 111.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_rec 112.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_rec 113.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_rec 114.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_rec 115.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_rec 116.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 _rec 117.广告点击流量实时统计-计算每天各省的top3热门广告_rec 118.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_rec 119.广告点击流量实时统计-实现实时计算程序的HA高可用性_rec 120.广告点击流量实时统计-对实时计算程序进行性能调优(正确)_rec 121.广告点击流量实时统计-生产环境测试 _rec 122.课程总结-都学到了什么?_rec 123.Spark 2.0-新特性介绍 _rec 124.Spark 2.0-易用性:标准化SQL支持以及更合理的API_rec 125.Spark 2.0-高性能:让Spark作为编译器来运行_rec 126.Spark 2.0-新特性介绍-智能化:Structured Streaming介绍_rec 127.Spark 2.0-新特性介绍-Spark 1.x的Volcano Iterator Model深度剖析_rec 128.Spark 2.0-新特性介绍-whole-stage code generation技术和vectorization技术_rec 129.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_rec 130.Spark 2.0-课程环境搭建:虚拟机、CentOS、Hadoop、Spark等_rec 131.Spark 2.0-开发环境搭建:Eclipse+Maven+Scala+Spark_rec 132.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 _rec 133.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_rec 134.统计指定时间内购买金额最多的10个用户_rec 135.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_rec 136.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 _rec 137.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 _rec 138.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_rec 课件文档代码\ 链接:https://pan.baidu.com/s/1JBuLMxiiLc1Hf68ehM-vaQ(回复帖子可见百度云提取密码) 密码:
购买主题
本主题需向作者支付 30 下载币 才能浏览
| |
管理员
|
|