网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
介绍
一句话介绍：
Dr.Elephant是Apache Hadoop和Apache Spark的job级和工作流级性能监视和调优工具。
由Linkedin开源贡献，github地址为：
https://github.com/linkedin/dr-elephant
定位：
成一个对Hadoop和Spark任务进行性能监控和调优的工具，能够自动收集Hadoop平台所有的度量标准，并对收集的数据进行分析，并将分析结果以一种简单且易于理解的形式展示出来。
为什么选择介绍Dr.Elehant
对于常规的cpu、io、memory等指标的监控，软件测试人员可以数出大量的工具，而对于针对大数据job和工作流级的监控工具估计很多人都不知道了，最近通过在github上搜索相关资源，发现了Dr.Elehant，对其相关文档做了大概的阅读，选择了这款工具作为后续大数据测试学习的一个选择，以便后续在实践过程中能够更好的采集测试指标用于分析。
Dr.Elephant是如何工作的
Dr.Elephant周期性的从Yarn的Resource Manager获取所有最近成功和失败的应用程序列表。
从Job历史列表中获取每个应用的元数据：counter、配置、任务数据。
一旦它拥有所有的元数据，Dr.Elephant便运行一组启发式(heuristics)，并产生对单个启发式和任务整体性能的诊断报告。
然后，报告中用五个严重性级别来标记不同的结果，以表明潜在的性能问题。
核心功能
- 启发式算法是基于规则的，且是插件式、可配置的，具有良好扩展性，能分析各种各样的框架
- 创造性的和Azkaban调度器集成，并且支持任意一种Hadoop任务调度器，例如Oozie
- 能自动统计所有历史任务的性能
- 能实现Job级别的任务流性能比较
- 对Hadoop和Spark任务能进行性能诊断
- 具有良好的扩展性，能支持新种类的任务、应用和调度器
- 提供REST API，用户能够通过API获取所有信息
首页
Dr.Elephant启动后，首页如下：
任务详情
重点看下任务详情，这个是日常测试过程中非常关注的部分:
点击一个任务，可以进入任务详情页面。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
