spark 学习路线及参考课程

一、Scala编程详解： 
第1讲-Spark的前世今生 
第2讲-课程介绍、特色与价值 
第3讲-Scala编程详解：基础语法 
第4讲-Scala编程详解：条件控制与循环 
第5讲-Scala编程详解：函数入门 
第6讲-Scala编程详解：函数入门之默认参数和带名参数 
第7讲-Scala编程详解：函数入门之变长参数 
第8讲-Scala编程详解：函数入门之过程、lazy值和异常 
第9讲-Scala编程详解：数组操作之Array、ArrayBuffer以及遍历数组 
第10讲-Scala编程详解：数组操作之数组转换 
第11讲-Scala编程详解：Map与Tuple 
第12讲-Scala编程详解：面向对象编程之类 
第13讲-Scala编程详解：面向对象编程之对象 
第14讲-Scala编程详解：面向对象编程之继承 
第15讲-Scala编程详解：面向对象编程之Trait 
第16讲-Scala编程详解：函数式编程 
第17讲-Scala编程详解：函数式编程之集合操作 
第18讲-Scala编程详解：模式匹配 
第19讲-Scala编程详解：类型参数 
第20讲-Scala编程详解：隐式转换与隐式参数 
第21讲-Scala编程详解：Actor入门

二、课程环境搭建： 
第22讲-课程环境搭建：CentOS 6.5集群搭建 
第23讲-课程环境搭建：Hadoop 2.4.1集群搭建 
第24讲-课程环境搭建：Hive 0.13搭建 
第25讲-课程环境搭建：ZooKeeper 3.4.5集群搭建 
第26讲-课程环境搭建：kafka_2.9.2-0.8.1集群搭建 
第27讲-课程环境搭建：Spark 1.3.0集群搭建

三、Spark核心编程： 
第28讲-Spark核心编程：Spark基本工作原理与RDD 
第29讲-Spark核心编程：使用Java、Scala和spark-shell开发wordcount程序 
第30讲-Spark核心编程：wordcount程序原理深度剖析 
第31讲-Spark核心编程：Spark架构原理 
第32讲-Spark核心编程：创建RDD实战（集合、本地文件、HDFS文件） 
第33讲-Spark核心编程：操作RDD实战（transformation和action案例实战） 
第34讲-Spark核心编程：transformation操作开发案例实战 
第35讲-Spark核心编程：action操作开发案例实战 
第36讲-Spark核心编程：RDD持久化详解 
第37讲-Spark核心编程：共享变量（Broadcast Variable和Accumulator） 
第38讲-Spark核心编程：高级编程之基于排序机制的wordcount程序 
第39讲-Spark核心编程：高级编程之二次排序实战 
第40讲-Spark核心编程：高级编程之topn与分组取topn实战

四、Spark内核源码深度剖析： 
第41讲-Spark内核源码深度剖析：Spark内核架构深度剖析 
第42讲-Spark内核源码深度剖析：宽依赖与窄依赖深度剖析 
第43讲-Spark内核源码深度剖析：基于Yarn的两种提交模式深度剖析 
第44讲-Spark内核源码深度剖析：SparkContext初始化原理剖析与源码分析 
第45讲-Spark内核源码深度剖析：Master主备切换机制原理剖析与源码分析 
第46讲-Spark内核源码深度剖析：Master注册机制原理剖析与源码分析 
第47讲-Spark内核源码深度剖析：Master状态改变处理机制原理剖析与源码分析 
第48讲-Spark内核源码深度剖析：Master资源调度算法原理剖析与源码分析 
第49讲-Spark内核源码深度剖析：Worker原理剖析与源码分析 
第50讲-Spark内核源码深度剖析：Job触发流程原理剖析与源码分析 
第51讲-Spark内核源码深度剖析：DAGScheduler原理剖析与源码分析（stage划分算法与task最佳位置算法） 
第52讲-Spark内核源码深度剖析：TaskScheduler原理剖析与源码分析（task分配算法） 
第53讲-Spark内核源码深度剖析：Executor原理剖析与源码分析 
第54讲-Spark内核源码深度剖析：Task原理剖析与源码分析 
第55讲-Spark内核源码深度剖析：Shuffle原理剖析与源码分析（普通Shuffle与优化后的Shuffle） 
第56讲-Spark内核源码深度剖析：BlockManager原理剖析与源码分析（Spark底层存储机制） 
第57讲-Spark内核源码深度剖析：CacheManager原理剖析与源码分析 
第58讲-Spark内核源码深度剖析：Checkpoint原理剖析与源码分析

五、Spark性能优化： 
第59讲-Spark性能优化：性能优化概览 
第60讲-Spark性能优化：诊断内存的消耗 
第61讲-Spark性能优化：高性能序列化类库 
第62讲-Spark性能优化：优化数据结构 
第63讲-Spark性能优化：对多次使用的RDD进行持久化或Checkpoint 
第64讲-Spark性能优化：使用序列化的持久化级别 
第65讲-Spark性能优化：Java虚拟机垃圾回收调优 
第66讲-Spark性能优化：提高并行度 
第67讲-Spark性能优化：广播共享数据 
第68讲-Spark性能优化：数据本地化 
第69讲-Spark性能优化：reduceByKey和groupByKey 
第70讲-Spark性能优化：shuffle性能优化

六、Spark SQL： 
第71讲-课程环境搭建：Spark 1.5.1新版本特性、源码编译、集群搭建 
第72讲-Spark SQL：前世今生 
第73讲-Spark SQL：DataFrame的使用 
第74讲-Spark SQL：使用反射方式将RDD转换为DataFrame 
第75讲-Spark SQL：使用编程方式将RDD转换为DataFrame 
第76讲-Spark SQL：数据源之通用的load和save操作 
第77讲-Spark SQL：Parquet数据源之使用编程方式加载数据 
第78讲-Spark SQL：Parquet数据源之自动分区推断 
第79讲-Spark SQL：Parquet数据源之合并元数据 
第80讲-Spark SQL：JSON数据源复杂综合案例实战 
第81讲-Spark SQL：Hive数据源复杂综合案例实战 
第82讲-Spark SQL：JDBC数据源复杂综合案例实战 
第83讲-Spark SQL：内置函数以及每日uv和销售额统计案例实战 
第84讲-Spark SQL：开窗函数以及top3销售额统计案例实战 
第85讲-Spark SQL：UDF自定义函数实战 
第86讲-Spark SQL：UDAF自定义聚合函数实战 
第87讲-Spark SQL：工作原理剖析以及性能优化 
第87讲-Spark SQL：与Spark Core整合之每日top3热点搜索词统计案例实战 
第87讲-Spark SQL：核心源码深度剖析（DataFrame lazy特性、Optimizer优化策略等） 
第87讲-Spark SQL：延伸知识之Hive On Spark

七、Spark Streaming： 
第88讲-Spark Streaming：大数据实时计算介绍 
第89讲-Spark Streaming：DStream以及基本工作原理 
第90讲-Spark Streaming：与Storm的对比分析 
第91讲-Spark Streaming：实时wordcount程序开发 
第92讲-Spark Streaming：StreamingContext详解 
第93讲-Spark Streaming：输入DStream和Receiver详解 
第94讲-Spark Streaming：输入DStream之基础数据源以及基于HDFS的实时wordcount案例实战 
第95讲-Spark Streaming：输入DStream之Kafka数据源实战（基于Receiver的方式） 
第96讲-Spark Streaming：输入DStream之Kafka数据源实战（基于Direct的方式） 
第97讲-Spark Streaming：DStream的transformation操作概览 
第98讲-Spark Streaming：updateStateByKey以及基于缓存的实时wordcount案例实战 
第99讲-Spark Streaming：transform以及广告计费日志实时黑名单过滤案例实战 
第100讲-Spark Streaming：window滑动窗口以及热点搜索词滑动统计案例实战 
第101讲-Spark Streaming：DStream的output操作以及foreachRDD性能优化详解 
第102讲-Spark Streaming：与Spark SQL结合使用之top3热门商品实时统计案例实战 
第103讲-Spark Streaming：缓存与持久化机制详解 
第104讲-Spark Streaming：Checkpoint机制详解（Driver高可靠方案详解） 
第105讲-Spark Streaming：部署、升级和监控实时应用程序 
第106讲-Spark Streaming：容错机制以及事务语义详解 
第107讲-Spark Streaming：架构原理深度剖析 
第108讲-Spark Streaming：StreamingContext初始化与Receiver启动原理剖析与源码分析 
第109讲-Spark Streaming：数据接收原理剖析与源码分析 
第110讲-Spark Streaming：数据处理原理剖析与源码分析（block与batch关系透彻解析） 
第111讲-Spark Streaming：性能调优详解 
第112讲-课程总结（学到了什么？达到了什么水平？）

Spark开发进阶(升级内容！)

一、Scala编程进阶： 
第113讲-Scala编程进阶：Scaladoc的使用 
第114讲-Scala编程进阶：跳出循环语句的3种方法 
第115讲-Scala编程进阶：多维数组、Java数组与Scala数组的隐式转换 
第116讲-Scala编程进阶：Tuple拉链操作、Java Map与Scala Map的隐式转换 
第117讲-Scala编程进阶：扩大内部类作用域的2种方法、内部类获取外部类引用 
第118讲-Scala编程进阶：package与import实战详解 
第119讲-Scala编程进阶：重写field的提前定义、Scala继承层级、对象相等性 
第120讲-Scala编程进阶：文件操作实战详解 
第121讲-Scala编程进阶：偏函数实战详解 
第122讲-Scala编程进阶：执行外部命令 
第123讲-Scala编程进阶：正则表达式支持 
第124讲-Scala编程进阶：提取器实战详解 
第125讲-Scala编程进阶：样例类的提取器实战详解 
第126讲-Scala编程进阶：只有一个参数的提取器 
第127讲-Scala编程进阶：注解实战详解 
第128讲-Scala编程进阶：常用注解介绍 
第129讲-Scala编程进阶：XML基础操作实战详解 
第130讲-Scala编程进阶：XML中嵌入scala代码 
第131讲-Scala编程进阶：XML修改元素实战详解 
第132讲-Scala编程进阶：XML加载和写入外部文档 
第133讲-Scala编程进阶：集合元素操作 
第134讲-Scala编程进阶：集合的常用操作方法 
第135讲-Scala编程进阶：map、flatMap、collect、foreach实战详解 
第136讲-Scala编程进阶：reduce和fold实战详解

二、Spark核心编程进阶： 
第137讲-环境搭建-CentOS 6.4虚拟机安装 
第138讲-环境搭建-Hadoop 2.5伪分布式集群搭建 
第139讲-环境搭建-Spark 1.5伪分布式集群搭建 
第140讲-第一次课程升级大纲介绍以及要点说明 
第141讲-Spark核心编程进阶-Spark集群架构概览 
第142讲-Spark核心编程进阶-Spark集群架构的几点特别说明 
第143讲-Spark核心编程进阶-Spark的核心术语讲解 
第144讲-Spark核心编程进阶-Spark Standalone集群架构 
第145讲-Spark核心编程进阶-单独启动master和worker脚本详解 
第146讲-Spark核心编程进阶-实验：单独启动master和worker进程以及启动日志查看 
第147讲-Spark核心编程进阶-worker节点配置以及spark-evn.sh参数详解 
第148讲-Spark核心编程进阶-实验：local模式提交spark作业 
第149讲-Spark核心编程进阶-实验：standalone client模式提交spark作业 
第150讲-Spark核心编程进阶-实验：standalone cluster模式提交spark作业 
第151讲-Spark核心编程进阶-standalone模式下的多作业资源调度 
第152讲-Spark核心编程进阶-standalone模式下的作业监控与日志记录 
第153讲-Spark核心编程进阶-实验：运行中作业监控以及手工打印日志 
第154讲-Spark核心编程进阶-yarn-client模式原理讲解 
第155讲-Spark核心编程进阶-yarn-cluster模式原理讲解 
第156讲-Spark核心编程进阶-实验：yarn-client模式提交spark作业 
第157讲-Spark核心编程进阶-yarn模式下日志查看详解 
第158讲-Spark核心编程进阶-yarn模式相关参数详解 
第159讲-Spark核心编程进阶-spark工程打包以及spark-submit详解 
第160讲-Spark核心编程进阶-spark-submit示例以及基础参数讲解 
第161讲-Spark核心编程进阶-实验：spark-submit简单版本提交spark作业 
第162讲-Spark核心编程进阶-实验：spark-submit给main类传递参数 
第163讲-Spark核心编程进阶-spark-submit多个示例以及常用参数详解 
第164讲-Spark核心编程进阶-SparkConf、spark-submit以及spark-defaults.conf 
第165讲-Spark核心编程进阶-spark-submit配置第三方依赖 
第166讲-Spark核心编程进阶-spark算子的闭包原理详解 
第167讲-Spark核心编程进阶-实验：对闭包变量进行累加操作的无效现象 
第168讲-Spark核心编程进阶-实验：在算子内打印数据的无法看到现象 
第169讲-Spark核心编程进阶-mapPartitions以及学生成绩查询案例 
第170讲-Spark核心编程进阶-mapPartitionsWithIndex以开学分班案例 
第171讲-Spark核心编程进阶-sample以及公司年会抽奖案例 
第172讲-Spark核心编程进阶-union以及公司部门合并案例 
第173讲-Spark核心编程进阶-intersection以及公司跨多项目人员查询案例 
第174讲-Spark核心编程进阶-distinct以及网站uv统计案例 
第175讲-Spark核心编程进阶-aggregateByKey以及单词计数案例 
第176讲-Spark核心编程进阶-cartesian以及服装搭配案例 
第177讲-Spark核心编程进阶-coalesce以及公司部门整合案例 
第178讲-Spark核心编程进阶-repartition以及公司新增部门案例 
第179讲-Spark核心编程进阶-takeSampled以及公司年会抽奖案例 
第180讲-Spark核心编程进阶-shuffle操作原理详解 
第181讲-Spark核心编程进阶-shuffle操作过程中进行数据排序 
第182讲-Spark核心编程进阶-会触发shuffle操作的算子 
第183讲-Spark核心编程进阶-shuffle操作对性能消耗的原理详解 
第184讲-Spark核心编程进阶-shuffle操作所有相关参数详解以及性能调优 
第185讲-Spark核心编程进阶-综合案例1：移动端app访问流量日志分析 
第186讲-Spark核心编程进阶-综合案例1：日志文件格式分析 
第187讲-Spark核心编程进阶-综合案例1：读取日志文件并创建RDD 
第188讲-Spark核心编程进阶-综合案例1：创建自定义的可序列化类 
第189讲-Spark核心编程进阶-综合案例1：将RDD映射为key-value格式 
第190讲-Spark核心编程进阶-综合案例1：基于deviceID进行聚合操作 
第191讲-Spark核心编程进阶-综合案例1：自定义二次排序key类 
第192讲-Spark核心编程进阶-综合案例1：将二次排序key映射为RDD的key 
第193讲-Spark核心编程进阶-综合案例1：执行二次排序以及获取top10数据 
第194讲-Spark核心编程进阶-综合案例1：程序运行测试以及代码调试 
第195讲-Spark核心编程进阶-部署第二台CentOS机器 
第196讲-Spark核心编程进阶-部署第二个Hadoop节点 
第197讲-Spark核心编程进阶-将第二个Hadoop节点动态加入集群 
第198讲-Spark核心编程进阶-使用yarn-client和yarn-cluster提交spark作业

三、Spark内核原理进阶： 
第199讲-Spark内核原理进阶-union算子内部实现原理剖析 
第200讲-Spark内核原理进阶-groupByKey算子内部实现原理剖析 
第201讲-Spark内核原理进阶-reduceByKey算子内部实现原理剖析 
第202讲-Spark内核原理进阶-distinct算子内部实现原理剖析 
第203讲-Spark内核原理进阶-cogroup算子内部实现原理剖析 
第204讲-Spark内核原理进阶-intersection算子内部实现原理剖析 
第205讲-Spark内核原理进阶-join算子内部实现原理剖析 
第206讲-Spark内核原理进阶-sortByKey算子内部实现原理剖析 
第207讲-Spark内核原理进阶-cartesian算子内部实现原理剖析 
第208讲-Spark内核原理进阶-coalesce算子内部实现原理剖析 
第209讲-Spark内核原理进阶-repartition算子内部实现原理剖析

四、Spark SQL实战开发进阶： 
第210讲-Spark SQL实战开发进阶-Hive 0.13安装与测试 
第211讲-Spark SQL实战开发进阶-Thrift JDBC、ODBC Server 
第212讲-Spark SQL实战开发进阶-CLI命令行使用 
第213讲-Spark SQL实战开发进阶-综合案例2：新闻网站关键指标离线统计 
第214讲-Spark SQL实战开发进阶-综合案例2：页面pv统计以及排序和企业级项目开发流程说明 
第215讲-Spark SQL实战开发进阶-综合案例2：页面uv统计以及排序和count(distinct) bug说明 
第216讲-Spark SQL实战开发进阶-综合案例2：新用户注册比例统计 
第217讲-Spark SQL实战开发进阶-综合案例2：用户跳出率统计 
第218讲-Spark SQL实战开发进阶-综合案例2：版块热度排行榜统计 
第219讲-Spark SQL实战开发进阶-综合案例2：测试与调试

五、Spark Streaming实战开发进阶： 
第220讲-Spark Streaming实战开发进阶-flume安装 
第221讲-Spark Streaming实战开发进阶-接收flume实时数据流-flume风格的基于push的方式 
第222讲-Spark Streaming实战开发进阶-接收flume实时数据流-自定义sink的基于poll的方式 
第223讲-Spark Streaming实战开发进阶-高阶技术之自定义Receiver 
第224讲-Spark Streaming实战开发进阶-kafka安装 
第225讲-Spark Streaming实战开发进阶-综合案例3：新闻网站关键指标实时统计 
第226讲-Spark Streaming实战开发进阶-综合案例3：页面pv实时统计 
第227讲-Spark Streaming实战开发进阶-综合案例3：页面uv实时统计 
第228讲-Spark Streaming实战开发进阶-综合案例3：注册用户数实时统计 
第229讲-Spark Streaming实战开发进阶-综合案例3：用户跳出量实时统计 
第230讲-Spark Streaming实战开发进阶-综合案例3：版块pv实时统计

六、Spark运维管理进阶： 
第231讲-Spark运维管理进阶-基于ZooKeeper实现HA高可用性以及自动主备切换 
第232讲-Spark运维管理进阶-实验：基于ZooKeeper实现HA高可用性以及自动主备切换 
第233讲-Spark运维管理进阶-基于文件系统实现HA高可用性以及手动主备切换 
第234讲-Spark运维管理进阶-实验：基于文件系统实现HA高可用性以及手动主备切换 
第235讲-Spark运维管理进阶-作业监控-实验：通过Spark Web UI进行作业监控 
第236讲-Spark运维管理进阶-作业监控-实验：standalone模式下查看历史作业的Web UI 
第237讲-Spark运维管理进阶-作业监控-实验：启动HistoryServer查看历史作业的Web UI 
第238讲-Spark运维管理进阶-作业监控-实验：使用curl+REST API进行作业监控 
第239讲-Spark运维管理进阶-作业监控-实验：Spark Metrics系统以及自定义Metrics Sink 
第240讲-Spark运维管理进阶-作业资源调度-静态资源分配原理 
第241讲-Spark运维管理进阶-作业资源调度-动态资源分配原理 
第242讲-Spark运维管理进阶-作业资源调度-实验：standalone模式下使用动态资源分配 
第243讲-Spark运维管理进阶-作业资源调度-实验：yarn模式下使用动态资源分配 
第244讲-Spark运维管理进阶-作业资源调度-多个job资源调度原理 
第245讲-Spark运维管理进阶-作业资源调度-Fair Scheduler使用详解

Spark2.0(升级内容！)

七、Spark 2.0深入浅出 
第246讲-Spark 2.0-新特性介绍 
第247讲-Spark 2.0-新特性介绍-易用性：标准化SQL支持以及更合理的API 
第248讲-Spark 2.0-新特性介绍-高性能：让Spark作为编译器来运行 
第249讲-Spark 2.0-新特性介绍-智能化：Structured Streaming介绍 
第250讲-Spark 2.0-新特性介绍-Spark 1.x的Volcano Iterator Model技术缺陷分析 
第251讲-Spark 2.0-新特性介绍-whole-stage code generation技术和vectorization技术 
第252讲-Spark 2.0-Spark 2.x与1.x对比以及分析、学习建议以及使用建议 
第253讲-Spark 2.0-课程环境搭建：虚拟机、CentOS、Hadoop、Spark等 
第254讲-Spark 2.0-开发环境搭建：Eclipse+Maven+Scala+Spark 
第255讲-Spark 2.0-SparkSession、Dataframe、Dataset开发入门 
第256讲-Spark 2.0-Dataset开发详解-初步体验untypd操作案例：计算部门平均年龄与薪资 
第257讲-Spark 2.0-Dataset开发详解-action操作：collect、count、foreach、reduce等 
第258讲-Spark 2.0-Dataset开发详解-基础操作：持久化、临时视图、ds与df互转换、写数据等 
第259讲-Spark 2.0-Dataset开发详解-typed操作：coalesce、repartition 
第260讲-Spark 2.0-Dataset开发详解-typed操作：distinct、dropDuplicates 
第261讲-Spark 2.0-Dataset开发详解-typed操作：except、filter、intersect 
第262讲-Spark 2.0-Dataset开发详解-typed操作：map、flatMap、mapPartitions 
第263讲-Spark 2.0-Dataset开发详解-typed操作：joinWith 
第264讲-Spark 2.0-Dataset开发详解-typed操作：sort 
第265讲-Spark 2.0-Dataset开发详解-typed操作：randomSplit、sample 
第266讲-Spark 2.0-Dataset开发详解-untyped操作：select、where、groupBy、agg、col、join 
第267讲-Spark 2.0-Dataset开发详解-聚合函数：avg、sum、max、min、count、countDistinct 
第268讲-Spark 2.0-Dataset开发详解-聚合函数：collect_list、collect_set 
第269讲-Spark 2.0-Dataset开发详解-其他常用函数 
第270讲-Spark 2.0-Structured Streaming：深入浅出的介绍 
第271讲-Spark 2.0-Structured Streaming：wordcount入门案例 
第272讲-Spark 2.0-Structured Streaming：编程模型 
第273讲-Spark 2.0-Structured Streaming：创建流式的dataset和dataframe 
第274讲-Spark 2.0-Structured Streaming：对流式的dataset和dataframe执行计算操作 
第275讲-Spark 2.0-Structured Streaming：output mode、sink以及foreach sink详解 
第276讲-Spark 2.0-Structured Streaming：管理streaming query 
第277讲-Spark 2.0-Structured Streaming：基于checkpoint的容错机制 
第278讲-Spark面试、简历中的项目编写以及实际生产环境的集群和资源配置等

课程资源可以在B站搜索。