3-阶段三：Spark+综合项目：电商数据仓库设计与实战等文件

发布时间：2025-02-21

发布者：

幽林侠

文件大小：共计336个文件，合计:15.43 GB

资源金币：4.99 金币

资源来源：阿里网盘

资源状态：【实时检测】链接有效

本站会员，可以免费下载全站所有资源

资源介绍

欢迎来到Sark大数据处理的世界！本资源集涵盖了从Sark基础到高级应用的全面教程，包括电商数据仓库的设计与实战项目。内容丰富，包含视频教程、PDF文档以及实战代码，手把手带你掌握Sark的核心技术和最佳实践。从Saa语言的基础语法到Sark的性能优化，再到电商数据仓库的商品订单和用户行为分析，每一阶段都有详细的讲解和实战演示。无论是初学者还是希望提升大数据处理技能的开发者，这个资源集都是不可多得的学习材料。

资源亮点：

1 实战导向的项目训练

2 全面的Sark知识体系

3 视频与文档相结合的学习方式

4 阿里云盘高速下载

资源目录结构(只展示部分的文件和文件夹，以下文件快照生成于2025-02-21)

资源投诉

课程资料466.00 B

慕课公告-www.rurucode.com.txt466.00 B

git-master466.00 B

慕课公告.txt466.00 B

5-阶段五：综合项目：三度关系推荐系统+数据中台1.03 GB

第9周直播平台三度关系推荐V2.01.03 GB

2-7数据计算之每周一计算最近一个月主播视频评级-2.mp4174.05 MB

2-6数据计算之每周一计算最近一个月主播视频评级-.mp4222.57 MB

2-5数据计算之每天更新用户活跃时间.mp495.38 MB

2-4数据计算之每天定时更新主播等级.mp4165.31 MB

2-3数据计算之实时维护粉丝数据-2.mp4171.81 MB

2-2数据计算之实时维护粉丝数据-.mp4186.80 MB

2-数据计算之历史粉丝数据初始化.mp423.13 MB

-V.0架构问题分析及V2.0架构设计.mp417.63 MB

4-阶段四：高频实时数据处理方案2.82 GB

第8周直播平台三度关系推荐V.01.49 GB

8-总结(三度关系推荐系统V.0).mp471.94 MB

7-8数据计算之每周一计算最近一个月主播视频评级-2.mp4145.47 MB

7-7数据计算之每周一计算最近一个月主播视频评级-.mp4154.19 MB

7-6数据计算之每天定时更新用户活跃时间.mp4108.19 MB

7-3数据计算之实时维护粉丝数据-2.mp4142.81 MB

7-2数据计算之实时维护粉丝数据-.mp4131.00 MB

7-数据计算之历史粉丝数据初始化.mp431.75 MB

7-三度关系数据导出到MySQL.mp447.63 MB

6-数据计算核心指标详细分析.mp455.66 MB

5-4采集服务端数据库数据.mp493.06 MB

5-2数据分发.mp437.56 MB

4-3模拟产生数据.mp4136.19 MB

4-2数据来源分析.mp424.00 MB

4-数据采集架构详细设计.mp414.34 MB

3-5Neo4j之建立索引+批量导入数据.mp495.25 MB

3-4Neo4j之更新数据.mp421.63 MB

3-3Neo4j之查询数据.mp470.38 MB

3-2Neo4j之添加数据.mp453.03 MB

3-Neo4j介绍及安装部署.mp440.75 MB

2-4项目整体架构设计.mp411.06 MB

2-3技术选型之数据计算+数据展现.mp45.31 MB

2-2技术选型之数据存储.mp46.66 MB

2-技术选型之数据采集.mp418.75 MB

-项目介绍.mp412.28 MB

第7周 Flink高级进阶之路1.32 GB

6-本周总结+寄语.mp483.63 MB

5-2SparkStreaming整合Kafka.mp4128.28 MB

5-SparkStreaming的WordCount程序开发.mp4102.50 MB

4-5KafkaProducer的容错.mp467.81 MB

4-4KafkaProducer的使用.mp4126.78 MB

4-3KafkaConsumer的容错.mp468.09 MB

4-2KafkaConsumer消费策略设置.mp426.31 MB

4-KafkaConsumer的使用.mp476.38 MB

3-2并行度案例分析.mp410.88 MB

3-并行度介绍及四种设置方式.mp411.50 MB

2-8Watermark案例总结.mp49.00 MB

2-7在多并行度下的Watermark应用.mp452.97 MB

2-5Watermark+EventTime处理乱序数据.mp465.09 MB

2-4通过数据跟踪观察Watermark.mp4106.34 MB

2-3开发Watermark代码.mp478.69 MB

2-2开发Watermark代码.mp4103.06 MB

2-Watermark的分析.mp432.00 KB

-6Flink中的Time.mp47.84 MB

-5Window中的增量聚合和全量聚合.mp411.81 MB

-4自定义Window的使用.mp461.34 MB

-3CountWindow的使用.mp476.88 MB

-2TimeWindow的使用.mp471.69 MB

-Window的概念和类型.mp47.88 MB

第6周 Flink快速上手篇

附件

第7章Flink核心复盘

第6章Flink核心API之TableAPI和SQL

第5章Flink核心API之DataSetAPI

第4章Flink核心API之DataStreamAPI

第3章Flink集群安装部署

第2章实战：流处理和批处理程序开发

第章初识Flink

3-阶段三：Spark+综合项目：电商数据仓库设计与实战1.22 GB

第5周极速上手内存数据库Redis

附件

第5章Redis核心复盘

第4章Redis高级特性

第3章Redis封装工具类技巧

第2章Redis核心实践

第章快速了解Redis

第4周消息队列之Kafka从入门到小牛

附件

第9章Kafka核心复盘

第8章Kafka小试牛刀实战篇

第7章Kafka技巧篇

第6章Kafka生产消费者实战

第5章Kafka核心之存储和容错机制

第4章Kafka核心扩展内容

第3章Kafka使用初体验

第2章Kafka集群安装部署

第章初识Kafka

第3周综合项目：电商数据仓库之商品订单数仓

附件

第5章项目核心复盘

第4章数据可视化和任务调度实现

第3章订单拉链表实战

第2章需求设计与实现

第章商品订单数仓需求分析

第2周综合项目：电商数据仓库之用户行为数仓一手

附件一手

第6章项目核心复盘一手

第5章用户行为数仓设计与实现一手

第4章数据生成与采集一手

第3章电商数仓技术选型一手

第2章数据仓库前置技术一手

第章电商数据仓库效果展示一手

第周 Spark性能优化的道与术1.22 GB

附件

7-3本周总结+寄语.mp4120.94 MB

6-8内置函数介绍.mp45.72 MB

6-7SaveMode的使用.mp443.16 MB

6-6load和save操作.mp464.03 MB

6-5RDD转换为DataFrame之编程方式.mp4131.47 MB

6-3DataFrame的sql操作.mp454.91 MB

6-SparkSql快速上手使用.mp481.72 MB

5-4算子优化之reduceByKey和groupByKey.mp425.56 MB

5-3算子优化之repartition的使用.mp469.59 MB

5-2算子优化之foreachPartition.mp470.72 MB

5-算子优化之mapPartitions.mp4120.31 MB

4-7数据本地化.mp428.69 MB

4-4JVM垃圾回收调忧.mp488.22 MB

4-3持久化或者checkpoint.mp44.47 MB

4-Spark程序性能优化分析.mp446.19 MB

3-6checkpoint源码分析之读操作.mp464.91 MB

3-3checkpoint代码开发(Scala+Java).mp473.72 MB

3-2checkpoint和持久化的区别.mp46.44 MB

3-checkpoint概述.mp413.97 MB

2-2三种Shuffle机制分析.mp444.59 MB

2-Shuffle介绍.mp415.72 MB

-3Spark任务的三种提交模式.mp436.84 MB

-2Stage.mp421.94 MB

-宽依赖和窄依赖.mp413.22 MB

第0周 Spark快速上手-上传版

附件

第7章面试与核心复盘

第6章TopN主播统计

第5章RDD持久化

第4章Transformation与Action开发实战

第3章Spark实战：单词统计

第2章解读Spark工作与架构原理

第章初识Spark

第09周 7天极速掌握Scala语言

附件

第6章Scala核心复盘

第5章Scala高级特性

第4章Scala函数式编程

第3章Scala面向对象

第2章Scala基础语法

第章Scala极速入门

1、本网站数据来自互联网，通过自动抓取公开网页链接构建数据库，系统将基于链接特征选择性收录符合收录标准的内容

2、根据用户输入的关键词，通过智能算法自动匹配并展示相关第三方网页链接。所有搜索结果均为实时动态生成

3、本站不控制、修改第三方网页内容，不对其可用性、准确性负责

4、搜索结果中的广告及推广内容不代表本站推荐或担保

5、所有内容获取/呈现均通过自动化程序完成，无人工干预

3-阶段三：Spark+综合项目：电商数据仓库设计与实战 等文件

资源介绍

3-阶段三：Spark+综合项目：电商数据仓库设计与实战等文件