Spark知识掌握
第一阶段
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
1,掌握Spark中面向RDD的开发模式,掌握各种transformation和action函数的使用;
2,掌握Spark中的宽依赖和窄依赖以及lineage机制;
3,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:
1,通过源码掌握Spark的任务提交过程;
2,通过源码掌握Spark集群的任务调度;
3,尤其要精通DAGScheduler、TaskScheduler和Worker节点内部的工作的每一步的细节;
第四阶级:掌握基于Spark上的核心框架的使用
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:
1,Spark Streaming是非常出色的实时流处理框架,要掌握其DStream、transformation和checkpoint等;
2,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;
3,对于Spark的机器学习和GraphX等要掌握其原理和用法;
第一阶段
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
1,掌握Spark中面向RDD的开发模式,掌握各种transformation和action函数的使用;
2,掌握Spark中的宽依赖和窄依赖以及lineage机制;
3,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:
1,通过源码掌握Spark的任务提交过程;
2,通过源码掌握Spark集群的任务调度;
3,尤其要精通DAGScheduler、TaskScheduler和Worker节点内部的工作的每一步的细节;
第四阶级:掌握基于Spark上的核心框架的使用
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:
1,Spark Streaming是非常出色的实时流处理框架,要掌握其DStream、transformation和checkpoint等;
2,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;
3,对于Spark的机器学习和GraphX等要掌握其原理和用法;