SparkSQL极速入门 整合Kudu实现广告业务数据分析

第1章 课程介绍&学习指南

本章会对这门课程进行说明并进行学习方法介绍。
1-1 课程导学 (12:07)
1-2 ***学前必读***（助你平稳踩坑，畅学无忧，课程学习与解决问题指南）

第2章 为什么要学Spark

Spark作为近几年最火爆的大数据处理技术，是成为大数据工程师必备的技能之一。本章节将从如下
几个方面对Spark进行一个宏观上的介绍：Spark产生背景、特性、环境部署、Spark与
Hadoop的对比、Spark开发语言及运行模式等。
2-1 课程目录 (01:55)
2-2 MapReduce的槽点 (12:37)
2-3 Spark特性详解 (15:24)
2-4 Spark Stack (04:11)
2-5 OOTB环境的使用 (06:43)
2-6 JDK部署 (04:33)
2-7 Maven部署 (06:37)
2-8 IDEA部署 (01:40)
2-9 HDFS部署 (13:42)
2-10 YARN部署 (02:16)
2-11 Hive部署 (11:50)
2-12 Spark运行模式 (03:45)
2-13 使用IDEA和Maven开发第一个Spark应用程序 (15:32)
2-14 词频统计按照单词出现次数的降序排列 (05:10)
2-15 local模式下spark-shell的使用 (07:50)
2-16 local模式下使用spark-submit提交Spark应用程序 (06:51)
2-17 YARN模式下提交Spark应用程序 (08:32)
2-18 Standalone模式下提交Spark应用程序 (08:13)
2-19 Hadoop和Spark生态圈对比 (06:20)
2-20 Hadoop与Spark对比 (02:30)
2-21 Spark和Hadoop的相互协作 (02:21)

第3章 Spark SQL快速入门

Spark SQL面世已来，深受小伙伴们的喜爱，继续为Spark用户提供高性能SQL on
Hadoop解决方案，还为Spark带来了通用、高效、多元一体的结构化数据处理能力。本章将
从为什么要学习SQL/Spark SQL、SQL on Hadoop框架、Spark SQ
L概述、架构及快速入门，这几个角度进行展开讲解...
3-1 课程目录 (01:40)
3-2 为什么需要SQL (06:51)
3-3 SQL on Hadoop (14:52)
3-4 详解Spark SQL是什么以及常见误区解读 (10:02)
3-5 Spark SQL概述 (03:02)
3-6 为什么要学习Spark SQL (03:40)
3-7 Spark SQL架构 (07:00)
3-8 spark-shell使用详解 (09:04)
3-9 spark-sql使用详解并结合讲解Catalyst的执行过程 (09:16)
3-10 spark-shell启动流程分析之uname以及case匹配的使用 (07:18)
3-11 spark-shell启动流程分析之dirname和if的使用 (06:03)
3-12 spark-shell启动流程分析之传递参数详解 (03:54)
3-13 spark-shell启动流程分析之spark-submit (02:36)
3-14 spark-sql启动流程分析 (02:29)

第4章 Spark SQL API编程

DataFrame&Dataset是Spark2.x中最核心的编程对象，Spark2.x中的
子框架能够使用DataFrame或Dataset来进行数据的交互操作。本章将从DataFr
ame的概述、DataFrame对比RDD、DataFrame API操作等方面对Data
Frame做详细的编程开发讲解。
4-1 课程目录 (02:05)
4-2 认知SparkSession (09:35)
4-3 了解SQLContext (05:59)
4-4 认识DataFrame (07:59)
4-5 DataFrame API基本使用 (13:17)
4-6 DataFrame中前N条的取值方式 (08:27)
4-7 通过实战案例学习DataFrame常用API (10:21)
4-8 Dataset概述及操作 (07:05)
4-9 DataFrame vs Dataset (06:46)
4-10 Interoperating with RDD概述 (04:38)
4-11 实现方式一 (11:07)
4-12 实现方式二 (07:58)

第5章 Data Source API

Spark SQL中的核心功能，可以使用Data Source API非常方便的对存储在不同
系统上的不同格式的数据进行操作。本章将讲解如何使用Data Source API来操作te
xt、json、Parquet、JDBC中的数据以及综合使用。
5-1 课程目录 (05:13)
5-2 Data Source概述 (04:58)
5-3 text数据源读写案例 (08:49)
5-4 SaveMode的使用详解 (05:25)
5-5 json数据源案例 (07:33)
5-6 Data Source API标准写法 (06:15)
5-7 Parquet数据源案例 (04:18)
5-8 Data Source格式转换 (03:15)
5-9 jdbc数据源案例 (10:42)
5-10 通过统一配置参数管理工程中使用到的参数 (12:53)
5-11 【讨论题】关于拉链表得思考

第6章 整合Hive操作及函数

如何使用Spark对接已有数据仓库Hive中的数据，这是在生产中常见的问题。本章将讲解如何使
用Spark无缝对接Hive中已有数据进行处理，thriftserver的使用、以及如何使
用Spark SQL中的内置函数以及自定义函数。
6-1 课程目录 (03:01)
6-2 Spark对接Hive的原理及实操 (09:23)
6-3 thriftserver&beeline的使用 (08:11)
6-4 使用代码连接Server (04:55)
6-5 Server模式vs例行作业模式(思考题) (04:12)
6-6 hive数据源案例 (09:00)
6-7 Spark SQL内置函数实战 (10:41)
6-8 Spark SQL自定义UDF实战 (09:25)
6-9 【讨论题】关于Spark ThriftServer的HA问题

第7章 Kudu入门

近两年，KUDU在大数据平台的应用越来越广泛，她是Cloudera开源的运行在Hadoop平
台上的列式存储系统，能够为我们提供“fast analytics on fast data
”。本章将从Kudu的核心概念、架构、部署、API操作以及Spark整合Kudu的使用展开讲解。...
7-1 课程目录 (01:28)
7-2 kudu概述&核心概念&架构 (21:30)
7-3 kudu部署 (14:10)
7-4 API操作之创建表 (10:28)
7-5 API操作之插入数据&删除表&数据查询 (10:00)
7-6 API操作之修改表数据及表名 (04:58)
7-7 Spark整合Kudu的读写操作 (10:01)

第8章 基于Spark SQL和Kudu的广告业务项目实战（一）

本章使用Spark SQL整合Kudu对广告业务项目进行统计分析操作。涉及到的过程有：项目架
构、数据清洗、数据统计、结果入库、项目重构。通过本实战项目将Spark SQL和Kudu中
的知识点融会贯通，达到举一反三的效果 。
8-1 课程目录 (02:08)
8-2 广告业务背景 (10:00)
8-3 项目需求 (02:47)
8-4 项目架构及数据处理流程 (22:04)
8-5 日志字段说明 (10:27)
8-6 需求一之IP规则库解析 (13:16)
8-7 需求一之使用API编程完成日志ip字段解析 (09:08)
8-8 需求一之使用SQL方式完成日志ip字段解析 (05:49)
8-9 需求一之ODS数据落地到Kudu (09:32)
8-10 需求一之落地到Kudu表重构 (09:31)
8-11 需求二功能实现 (13:20)
8-12 需求一二代码结构大重构 (09:04)

第9章 基于Spark SQL和Kudu的广告业务项目实战（二）

基于上一章节做更复杂维度的统计分析，作业的封装、调度。
9-1 课程目录 (02:02)
9-2 需求三之第一阶段统计功能实现 (18:17)
9-3 需求三之第二阶段统计功能实现 (03:56)
9-4 需求三之统计结果落地到Kudu (03:43)
9-5 需求四功能实现 (07:35)
9-6 通过参数传递到Spark作业重构代码并打包 (15:19)
9-7 将项目运行在服务器上 (14:22)
9-8 定时调度提交Spark作业到服务器运行 (10:00)
9-9 本章节小结 (03:47)

第10章 Spark调优策略

Spark应用调优是一个在生产上或者面试中老生常谈的问题，本章节将从资源设置、广播变量、Sh
uffle、JVM引发的相关角度逐一展开讲解。
10-1 课程目录 (03:07)
10-2 调优之资源设置 (11:45)
10-3 广播变量在Spark中的使用一 (13:10)
10-4 广播变量在Spark中是使用二 (05:31)
10-5 广播变量思考题(重要) (02:42)
10-6 Shuffle调优 (07:34)
10-7 Spark与GC相关概念理解 (07:41)
10-8 JVM GC引起的问题调优 (07:32)
10-9 其他调优 (07:21)
10-10 【讨论题】关于数据倾斜的思考

第11章 Presto初识

Preso也是当下用的非常多的一种SQL on Hadoop的解决方案。本章节将从Prest
o架构、API操作等角度出发，通过一个案例来进行综合演练。
11-1 课程目录 (02:35)
11-2 Presto是什么&能做什么&谁在使用它 (08:09)
11-3 Presto架构 (06:19)
11-4 Presto部署 (11:08)
11-5 整合MySQL Connector (08:11)
11-6 整合Hive Connector (04:36)
11-7 Presto整合多个Connector操作 (06:43)
11-8 Presto API操作 (05:17)

第12章 云平台建设的思考

本章将从如何建设大数据云平台的角度，涉及到数据平台的N个方面，是小伙伴以后进入大厂工作奠定基
础，同时也会从Spark vs Flink的角度来为小伙伴们分析选型时的疑惑。
12-1 课程目录 (02:58)
12-2 大数据项目和平台的差异性对比 (06:59)
12-3 认知云平台能为我们提供的能力 (07:45)
12-4 大数据云平台功能架构 (09:52)
12-5 数据湖架构 (05:41)
12-6 数据存储和计算角度剖析 (07:57)
12-7 资源角度剖析 (05:25)
12-8 兼容性角度剖析 (03:54)
12-9 执行引擎和运行方式适配角度剖析 (02:46)
12-10 Spark和Flink的选择 (05:28)
12-11 【讨论题】关于小文件的思考

第13章 （讨论群内直播内容分享）Spark3新特性

Spark3是一个里程碑版的版本，其中包含很多新的特性，本次直播中主要带大家知晓新特性有哪些
，以及讲解动态分区裁剪、外部数据源V2、自适应查询执行等相关知识。
13-1 Spark概述 (15:30)
13-2 Spark3.x新特性 (05:13)
13-3 DataSource API V2 (09:51)
13-4 动态分区裁剪 (06:34)
13-5 自适应查询执行 (08:57)
13-6 【讨论题】简历项目问题

第14章 【福利加餐】Spark SQL必考的SQL功能及窗口函数

在离线业务的各种业务指标分析时，行列互转、累积问题及窗口函数是在工作以及面试时必须要掌握的技
能。在本章节的课程中，将会通过知识点和案例带大家一起来掌握这项必备的技能。
14-1 课程目录 (01:30)
14-2 行转列功能需求分析 (04:40)
14-3 行转列数据准备 (01:29)
14-4 列转行功能需求分析 (02:52)
14-5 转行功能实现 (03:52)
14-6 窗口函数概述 (09:32)
14-7 窗口函数之累计求和操作 (06:10)
14-8 窗口函数之窗口划分原则 (08:38)
14-9 窗口函数之NTILE的使用 (06:16)
14-10 窗口函数之ROW_NUMBER&RANK&DENSE_RANK (05:29)
14-11 窗口函数之LEAD&LAG (06:53)
14-12 窗口函数之FIRST_VALUE和LAST_VALUE (02:43)
14-13 窗口函数之CUME_DIST&PERCENT_RANK (07:00)
14-14 窗口函数实战之数据准备 (02:31)
14-15 窗口函数实战之功能一实现 (13:05)
14-16 窗口函数实战之功能二实现 (02:52)
14-17 窗口函数实战之功能三实现 (02:39)
14-18 窗口函数实战之功能四实现 (02:00)
14-19 作业 (01:22)

第15章 【福利加餐】基于Spark SQL的UDF函数开发及使用

强大的Spark SQL为我们自带了很多有用的函数，但在实际工作中还是需要我们自定义UDF函
数来满足业务上的需求。在本章节的课程中，将为大家带来在Spark SQL中如何自定义UDF
函数，以及在SQL和API的场景中关于UDF函数的使用。
15-1 01-课程目录 (02:25)
15-2 02-SQL结合自定义UDF函数 (13:43)
15-3 03-API结合自定义UDF函数 (04:39)
15-4 04-自定义UDF函数实现拼接功能 (11:59)
15-5 05-自定义UDAF函数 (13:04)
15-6 06-自定义UDAF函数扩展 (04:09)