阶段3：Spark+综合项目：电商数据仓库设计与实战

发布时间：2025-02-28

发布者：

松间明月

文件大小：共计198个文件，合计:5.52 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

本资源是一套完整的Sark+电商数据仓库设计与实战课程，从Sark的基础入门到高级性能优化，全方位解析电商数据仓库的构建过程。课程内容包括Saa语言快速入门，Sark的核心概念与架构原理，以及Trarma与A的开发实战。通过综合项目实战，深入理解商品订单数仓和用户行为数仓的设计与实现，掌握Sark性能优化的方法和面试技巧。教程包含视频教学和PDF文档，适用于Sark初学者和进阶开发者。

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2025-02-28)

资源投诉

阶段3：Spark+综合项目：电商数据仓库设计与实战1.27 GB

第9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

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

附件

第6章项目核心复盘

第5章用户行为数仓设计与实现

第4章数据生成与采集

第3章电商数仓技术选型

第2章数据仓库前置技术

第章电商数据仓库效果展示

第周 Spark性能优化的道与术1.27 GB

附件

7-3本周总结+寄语.mp456.60 MB

7-2实战：TopN主播统计-2.mp4100.31 MB

7-实战：TopN主播统计-.mp462.14 MB

6-8内置函数介绍.mp43.19 MB

6-7SaveMode的使用.mp418.54 MB

6-6load和save操作.mp427.71 MB

6-5RDD转换为DataFrame之编程方式.mp455.81 MB

6-4RDD转换为DataFrame之反射方式.mp487.65 MB

6-3DataFrame的sql操作.mp422.68 MB

6-2DataFrame常见算子操作.mp464.29 MB

6-SparkSql快速上手使用.mp436.66 MB

5-4算子优化之reduceByKey和groupByKey.mp412.55 MB

5-3算子优化之repartition的使用.mp428.31 MB

5-2算子优化之foreachPartition.mp428.76 MB

5-算子优化之mapPartitions.mp452.18 MB

4-7数据本地化.mp415.09 MB

4-6提高并行度-2.mp485.20 MB

4-5提高并行度-.mp470.15 MB

4-4JVM垃圾回收调忧.mp442.79 MB

4-3持久化或者checkpoint.mp42.85 MB

4-2高性能序列化类库Kryo的使用.mp474.44 MB

4-Spark程序性能优化分析.mp423.54 MB

3-6checkpoint源码分析之读操作.mp427.79 MB

3-5checkpoint源码分析之写操作.mp492.35 MB

3-4checkpoint代码执行分析.mp487.44 MB

3-3checkpoint代码开发(Scala+Java).mp429.43 MB

3-2checkpoint和持久化的区别.mp45.59 MB

3-checkpoint概述.mp49.66 MB

2-2三种Shuffle机制分析.mp426.12 MB

2-Shuffle介绍.mp47.23 MB

-3Spark任务的三种提交模式.mp418.66 MB

-2Stage.mp415.25 MB

-宽依赖和窄依赖.mp410.19 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

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