视频选集
（41/99）
1.1、课程介绍
42:13
1.2、CentOS 6.4集群搭建-1
45:17
1.3、CentOS 6.4集群搭建-2
31:10
1.4、hadoop-2.5.0-cdh5.3.6集群搭建
26:09
1.5、hive-0.13.1-cdh5.3.6安装
19:48
1.6、zookeeper-3.4.5-cdh5.3.6集群搭建
08:49
1.7、kafka_2.9.2-0.8.1集群搭建
17:03
1.8、flume-ng-1.5.0-cdh5.3.6安装
15:48
1.9、离线日志采集流程介绍
27:36
1.10、实时数据采集流程介绍
12:42
1.11、Spark 1.5.1客户端安装以及基于YARN的提交模式
13:12
2.1、模块介绍
28:55
2.2、基础数据结构以及大数据平台架构介绍
46:22
2.3、需求分析
23:52
2.4、技术方案设计
27:34
2.5、数据表设计
15:58
2.6、Eclipse工程搭建以及工具类说明
13:29
2.7、开发配置管理组件
25:49
2.8、JDBC原理介绍以及增删改查示范
57:11
2.9、数据库连接池原理
19:24
2.10、单例设计模式
16:27
2.11、内部类以及匿名内部类
14:41
2.12、开发JDBC辅助组件（上）
24:08
2.13、开发JDBC辅助组件（下）
27:28
2.14、JavaBean概念讲解
11:18
2.15、DAO模式讲解以及TaskDAO开发
21:13
2.16、工厂模式讲解以及DAOFactory开发
08:11
2.17、JSON数据格式讲解以及fastjson介绍
16:39
2.18、Spark上下文构建以及模拟数据生成
19:58
2.19、按session粒度进行数据聚合
59:34
2.20、按筛选参数对session粒度聚合数据进行过滤
39:52
2.21、session聚合统计之自定义Accumulator
24:33
2.22、session聚合统计之重构实现思路与重构session聚合
33:12
2.23、session聚合统计之重构过滤进行统计
17:33
2.24、session聚合统计之计算统计结果并写入MySQL
23:54
2.25、session聚合统计之本地测试
16:22
2.26、session聚合统计之使用Scala实现自定义Accumulator
14:22
2.27、session随机抽取之实现思路分析
10:48
2.28、session随机抽取之计算每天每小时session数量
17:23
2.29、session随机抽取之按时间比例随机抽取算法实现
22:23
2.30、session随机抽取之根据随机索引进行抽取
22:43
2.31、session随机抽取之获取抽取session的明细数据
17:51
2.32、session随机抽取之本地测试
12:13
2.33、top10热门品类之需求回顾以及实现思路分析
11:21
2.34、top10热门品类之获取session访问过的所有品类
14:33
2.35、top10热门品类之计算各品类点击、下单和支付的次数
20:21
2.36、top10热门品类之join品类与点击下单支付次数
17:31
2.37、top10热门品类之自定义二次排序key
08:23
2.38、top10热门品类之进行二次排序
04:56
2.39、top10热门品类之获取top10品类并写入MySQL
08:59
2.40、top10热门品类之本地测试
09:15
2.41、top10热门品类之使用Scala实现二次排序
05:17
2.42、top10活跃session之开发准备以及top10品类RDD生成
20:23
2.43、top10活跃session之计算top10品类被各sessoin点击的次数
12:41
2.44、top10活跃session之分组取TopN算法获取top10活跃session
18:28
2.45、top10活跃session之本地测试以及阶段总结
20:06
3.1、性能调优之在实际项目中分配更多资源
29:40
3.2、性能调优之在实际项目中调节并行度
43:26
3.3、性能调优之在实际项目中重构RDD架构以及RDD持久化
37:31
3.4、性能调优之在实际项目中广播大变量
43:51
3.5、性能调优之在实际项目中使用Kryo序列化
25:00
3.6、性能调优之在实际项目中使用fastutil优化数据格式
31:06
3.7、性能调优之在实际项目中调节数据本地化等待时长
26:40
3.8、JVM调优之原理概述以及降低cache操作的内存占比
44:07
3.9、JVM调优之调节executor堆外内存与连接等待时长
32:09
3.10、Shuffle调优之原理概述
24:36
3.11、Shuffle调优之合并map端输出文件
36:55
3.12、Shuffle调优之调节map端内存缓冲与reduce端内存占比
27:06
3.13、Shuffle调优之HashShuffleManager与SortShuffleManager
38:50
3.14、算子调优之MapPartitions提升Map类操作性能
14:23
3.15、算子调优之filter过后使用coalesce减少分区数量
16:08
3.16、算子调优之使用foreachPartition优化写数据库性能
19:21
3.17、算子调优之使用repartition解决Spark SQL低并行度的性能问
21:23
3.18、算子调优之reduceByKey本地聚合介绍
16:38
3.19、troubleshooting之控制shuffle reduce端缓冲大小以避免OOM
20:41
3.20、troubleshooting之解决JVM GC导致的shuffle文件拉取失败
20:06
3.21、troubleshooting之解决YARN队列资源不足导致的application直接失败
17:46
3.22、troubleshooting之解决各种序列化导致的报错
09:20
3.23、troubleshooting之解决算子函数返回NULL导致的问题
05:28
3.24、troubleshooting之解决yarn-client模式导致的网卡流量激增问题
25:53
3.25、troubleshooting之解决yarn-cluster模式的JVM栈内存溢出问题
25:57
3.26、troubleshooting之错误的持久化方式以及checkpoint的使用
25:18
3.27、数据倾斜解决方案之原理以及现象分析
26:22
3.28、数据倾斜解决方案之聚合源数据以及过滤导致倾斜的key
29:36
3.29、数据倾斜解决方案之提高shuffle操作reduce并行度
18:47
3.30、数据倾斜解决方案之使用随机key实现双重聚合
16:29
3.31、数据倾斜解决方案之将reduce join转换为map join
21:28
3.32、数据倾斜解决方案之sample采样倾斜key单独进行join
38:43
3.33、数据倾斜解决方案之使用随机数以及扩容表进行join
24:47
4.1、模块介绍
11:18
4.2、需求分析、技术方案设计、数据表设计
20:57
4.3、编写基础代码
30:37
4.4、面切片生成以及页面流匹配算法实现
30:41
4.5、计算页面流起始页面的pv
11:05
4.6、计算页面切片的转化率
10:36
4.7、将页面切片转化率写入MySQL
12:26
4.8、本地测试
05:51
4.9、生产环境测试
27:15
4.10、生产环境测试
14:18
顶部