投稿

mc-第四弹

3573

0

2019-09-15 16:34:47

未经作者授权，禁止转载

多拉贡司雷亚发消息

听课看书是谓学，练习琢磨是为习。今天你学习了吗？交流Q群：920372647

豆包-会思考的AI助手,轻松应对复杂需求,立即体验!

10-5 monitoring rest ap-

04:12

10-6 flink metric-

10:21

10-7 flink常用优化策略-

09:12

11-2 项目背-

04:28

11-3 项目功能需求描述-

03:47

11-4 项目架-

04:01

11-5 mock数据之kafka生产者代码主流程开发-

09:25

11-6 mock数据之kafka生产者代码日志生产开-

07:34

11-7 使用flink消费kafka生产的数据-

05:32

11-8 使用flink完成实时日志清洗功能开发-

07:02

11-9 数据清洗过程中添加业务逻辑条件的过滤-

05:26

11-10 flink中watermark的定义及使用-

09:33

11-11 windowfunction业务逻辑的-

12:42

11-12 es部-

04:26

11-13 kibana部-

03:32

11-14 统计分析数据写入es并通过kibana展示出-

14:21

11-15 通过kibana图形化展示es中存储-

05:49

11-16 第一个功能-

02:03

11-17 功能二需求及数据准-

06:42

11-18 自定义mysql数据源读-

09:22

11-19 完成两个流关联的数据清洗功-

08:59

11-20 本章节总-

04:58

1-3开发环境介绍

06:15

1-4 ooptb镜像文件使用介绍

10:22

1-5大数据

09:28

1-6 hadoop概述

15:31

1-7 hdfs概述及设计目标

08:26

1-8 hdfs架构mp4

11:19

1-9 hdfs副本机制

07:01

1-10hadoop下载jdk安装、

12:03

1-11 机器参数设置

06:01

1-12 hdfs核心配置文件内容配置

07:35

1-13 hdfs格式化及启停

08:02

1-14 hdfs shell常用操作

08:54

1-15HDFS优缺点

02:24

1-16MapReduce概述

05:37

1-17 mapreduce编程模型及wordcount

08:11

1-18 yarn产生背景

05:34

1-19 yarn架构和执行流程

15:35

1-20 -YARN环境搭建及提交作业到YARN上运行

14:07

1-21 -Hive产生背景及Hive是什么

10:58

1-22 -为什么要使用Hive及Hive发展历程

08:27

1-23 -Hive体系架构及部署架构

06:50

1-24 -Hive环境搭建

12:05

1-25 -Hive基本使用

11:46

2-2 -Spark概述及特点

08:01

2-3 -Spark产生背景

08:09

2-4 -Spark发展历史

01:51

2-5 -Spark Survey

06:47

2-6 -Spark对比Hadoop

12:37

2-7 -Spark和Hadoop的协作性

02:53

3-2 -Spark源码编译

19:05

3-3 补录：Spark源码编译中的坑

13:38

3-4 Spark Local模式环境搭建

05:44

3-5 Spark Standalone模式环境搭建

13:11

3-6 Spark简单使用

05:19

4-2 -Spark SQL前世今生

13:21

4-3 -SQL on Hadoop常用框架介绍

05:20

4-4 -Spark SQL概述

10:09

4-5 -Spark SQL愿景

01:35

4-6 -Spark SQL架构

02:52

5-2 -A SQLContext的使用

21:40

5-3 -B HiveContext的使用

06:18

5-4 -C SparkSession的使用

04:53

5-5 spark-shell&spark-sql的使用

16:43

5-6 -thriftserver&beeline的使用

10:33

5-7 -jdbc方式编程访问

05:14

6-2 -DataFrame产生背景

03:59

6-3 -DataFrame概述

06:27

6-4 -DataFrame和RDD的对比

02:49

6-5 -DataFrame基本API操作

12:14

6-6 -DataFrame与RDD互操作方式一

09:48

6-7 dataframe与rdd互操作方式

09:41

6-8 -DataFrame API操作案例实战

17:00

6-9 -Dataset概述及使用

08:16

7-2 -产生背景

04:39

7-3 -概述

00:05

7-4 -目标

03:50

7-5 -操作Parquet文件数据

11:55

7-6 -操作Hive表数据

05:34

7-7 -操作MySQL表数据

07:06

7-8 -Hive和MySQL综合使用

04:39

8-1 -A SparkSQL愿景之一写更少的代码(代码量和可读性)

02:53

8-2 -B SparkSQL愿景之一写更少的代码(统一访问操作接口)

06:11

8-3 -C SparkSQL愿景之一写更少的代码(强有力的API支持)

00:05

8-4 -D SparkSQL愿景之一些更少的代码(Schema推导)

08:28

8-5 -E SparkSQL愿景之一写更少的代码(Schema Merge)

04:01

8-6 -F SparkSQL愿景之一写更少的代码(Partition Discovery)

04:13

8-7 -G SparkSQL愿景之一写更少的代码(执行速度更快)

03:02

8-8 -SparkSQL愿景之二读取更少的数据

08:44

8-9 -SparkSQL愿景之三让查询优化器帮助我们优化执行效率

07:34

8-10 -SparkSQL愿景总结

00:39

9-2 -用户行为日志概述

12:12

9-3 -离线数据处理架构

09:49

9-4 -项目需求

03:51

9-5 imooc网主站日志内容构成

03:25

9-6 数据清洗之第一步原始日志解析

17:53

9-7 -数据清洗之二次清洗概述

03:08

9-8 -数据清洗之日志解析

18:30

9-9 -数据清洗之ip地址解析

10:52

顶部