Spark学习笔记(一)

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；