投稿

某团购网大型离线电商数据分析平台

264

0

2020-01-30 17:14:26

未经作者授权，禁止转载

某团购网大型离线电商数据分析平台

林子木001 发消息

同行都在偷偷用的动画制作神器，今天免费开放体验

4万人感兴趣

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

11:23

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

08:13

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

10:42

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

04:50

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

05:11

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

09:19

3.23、troubleshooting之解决算子函数返回NULL导致的问题

05:21

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

顶部