如何成为云计算大数据Spark高手

Spark是发源于美国加州大学伯克利分校AMPLab的集群计算平台，它立足于内存计算，性能超过Hadoop百倍，从多迭代批量处理出发，兼收并蓄数据仓库、流处理和图计算等多种计算范式，是罕见的全能选手。Spark采用一个统一的技术堆栈解决了云计算大数据的如流处理、图技术、机器学习、NoSQL查询等方面的所有核心问题，具有完善的生态系统，这直接奠定了其一统云计算大数据领域的霸主地位。 

伴随Spark技术的普及推广，对专业人才的需求日益增加。Spark专业人才在未来也是炙手可热，轻而易举可以拿到百万的薪酬。而要想成为Spark高手，也需要一招一式，从内功练起：通常来讲需要经历以下阶段： 

第一阶段：熟练的掌握Scala语言 

Spark框架是采用Scala语言编写的，精致而优雅。要想成为Spark高手，你就必须阅读Spark的源代码，就必须掌握Scala，； 

虽然说现在的Spark可以采用多语言Java、Python等进行应用程序开发，但是最快速的和支持最好的开发API依然并将永远是Scala方式的API，所以你必须掌握Scala来编写复杂的和高性能的Spark分布式程序； 

尤其要熟练掌握Scala的trait、apply、函数式编程、泛型、逆变与协变等； 

第二阶段：精通Spark平台本身提供给开发者API 

掌握Spark中面向RDD的开发模式，掌握各种transformation和action函数的使用； 

掌握Spark中的宽依赖和窄依赖以及lineage机制； 

掌握RDD的计算流程，例如Stage的划分、Spark应用程序提交给集群的基本过程和Worker节点基础的工作原理等 

第三阶段：深入Spark内核 

此阶段主要是通过Spark框架的源码研读来深入Spark内核部分： 

通过源码掌握Spark的任务提交过程； 

通过源码掌握Spark集群的任务调度； 

尤其要精通DAGScheduler、TaskScheduler和Worker节点内部的工作的每一步的细节；

Spark作为云计算大数据时代的集大成者，在实时流处理、图技术、机器学习、NoSQL查询等方面具有显著的优势，我们使用Spark的时候大部分时间都是在使用其上的框架例如Shark、Spark Streaming等： 

Spark Streaming是非常出色的实时流处理框架，要掌握其DStream、transformation和checkpoint等； 

Spark的离线统计分析功能，Spark 1.0.0版本在Shark的基础上推出了Spark SQL，离线统计分析的功能的效率有显著的提升，需要重点掌握； 

对于Spark的机器学习和GraphX等要掌握其原理和用法； 

第五阶级：做商业级别的Spark项目 

通过一个完整的具有代表性的Spark项目来贯穿Spark的方方面面，包括项目的架构设计、用到的技术的剖析、开发实现、运维等，完整掌握其中的每一个阶段和细节，这样就可以让您以后可以从容面对绝大多数Spark项目。 

第六阶级：提供Spark解决方案 

彻底掌握Spark框架源码的每一个细节； 

根据不同的业务场景的需要提供Spark在不同场景的下的解决方案； 

根据实际需要，在Spark框架基础上进行二次开发，打造自己的Spark框架； 

前面所述的成为Spark高手的六个阶段中的第一和第二个阶段可以通过自学逐步完成，随后的三个阶段最好是由高手或者专家的指引下一步步完成，最后一个阶段，基本上就是到"无招胜有招"的时期，很多东西要用心领悟才能完成。 

针对Spark人员的培养，目前国内的专业机构，大多还是在Android和Hadoop方向上提供相关的课程及训练。Spark亚太研究院，作为国内首家Spark技术研究及推广机构，在帮助企业规划、部署、开发、培训和使用Spark为核心，同时提供Spark源码研究和应用技术训练。在完成了对Spark源码的彻底研究的同时不断在实际环境中使用Spark的各种特性的基础之上，Spark亚太研究院推出了国内首个Spark训练体系：《18小时内掌握Spark》、《Spark企业级开发最佳实践》、《精通Spark：Spark内核剖析、源码解读、性能优化和商业案例实战》、《Spark 1.0.0企业级开发动手》、《Spark架构案例鉴赏》、《精通Spark的开发语言：Scala最佳实践》， 帮助学习者，通过上述几个阶段的培养，逐步精通spark技术。