一、大数据集群搭建
课程介绍
课程环境搭建:CentOS 6.4集群搭建
课程环境搭建:hadoop-2.5.0-cdh5.3.6集群搭建
课程环境搭建:hive-0.13.1-cdh5.3.6安装
课程环境搭建:zookeeper-3.4.5-cdh5.3.6集群搭建
课程环境搭建:kafka_2.9.2-0.8.1集群搭建
课程环境搭建:flume-ng-1.5.0-cdh5.3.6安装
课程环境搭建:离线日志采集流程介绍
课程环境搭建:实时数据采集流程介绍
课程环境搭建:Spark 1.5.1客户端安装以及基于YARN的提交模式
二、用户访问session分析:
用户访问session分析:模块介绍
用户访问session分析:基础数据结构以及大数据平台架构介绍
用户访问session分析:需求分析
用户访问session分析:技术方案设计
用户访问session分析:数据表设计
用户访问session分析:Eclipse工程搭建以及工具类说明
用户访问session分析:开发配置管理组件
用户访问session分析:JDBC原理介绍以及增删改查示范
-用户访问session分析:数据库连接池原理
用户访问session分析:单例设计模式
用户访问session分析:内部类以及匿名内部类
用户访问session分析:开发JDBC辅助组件(上)
用户访问session分析:开发JDBC辅助组件(下)
用户访问session分析:JavaBean概念讲解
用户访问session分析:DAO模式讲解以及TaskDAO开发
用户访问session分析:工厂模式讲解以及DAOFactory开发
-用户访问session分析:JSON数据格式讲解以及fastjson介绍
用户访问session分析:Spark上下文构建以及模拟数据生成
用户访问session分析:按session粒度进行数据聚合
-用户访问session分析:按筛选参数对session粒度聚合数据进行过滤
-用户访问session分析:session聚合统计之自定义Accumulator
用户访问session分析:session聚合统计之重构实现思路与重构session聚合
用户访问session分析:session聚合统计之重构过滤进行统计
用户访问session分析:session聚合统计之计算统计结果并写入MySQL
用户访问session分析:session聚合统计之本地测试
用户访问session分析:session聚合统计之使用Scala实现自定义Accumulator
用户访问session分析:session随机抽取之实现思路分析
用户访问session分析:session随机抽取之计算每天每小时session数量
用户访问session分析:session随机抽取之按时间比例随机抽取算法实现
用户访问session分析:session随机抽取之根据随机索引进行抽取
-用户访问session分析:session随机抽取之获取抽取session的明细数据
-用户访问session分析:session随机抽取之本地测试
-用户访问session分析:top10热门品类之需求回顾以及实现思路分析
-用户访问session分析:top10热门品类之获取session访问过的所有品类
-用户访问session分析:top10热门品类之计算各品类点击、下单和支付的次数
用户访问session分析:top10热门品类之join品类与点击下单支付次数
用户访问session分析:top10热门品类之自定义二次排序key
用户访问session分析:top10热门品类之进行二次排序
用户访问session分析:top10热门品类之获取top10品类并写入MySQL
用户访问session分析:top10热门品类之本地测试
-用户访问session分析:top10热门品类之使用Scala实现二次排序
-用户访问session分析:top10活跃session之开发准备以及top10品类RDD生成
用户访问session分析:top10活跃session之计算top10品类被各sessoin点击的次数
用户访问session分析:top10活跃session之分组取TopN算法获取top10活跃session
用户访问session分析:top10活跃session之本地测试以及阶段总结
三、企业级性能调优、troubleshooting经验与数据倾斜解决方案:
用户访问session分析:性能调优之在实际项目中分配更多资源
-用户访问session分析:性能调优之在实际项目中调节并行度
用户访问session分析:性能调优之在实际项目中重构RDD架构以及RDD持久化
用户访问session分析:性能调优之在实际项目中广播大变量
用户访问session分析:性能调优之在实际项目中使用Kryo序列化
用户访问session分析:性能调优之在实际项目中使用fastutil优化数据格式
-用户访问session分析:性能调优之在实际项目中调节数据本地化等待时长
用户访问session分析:JVM调优之原理概述以及降低cache操作的内存占比
用户访问session分析:JVM调优之调节executor堆外内存与连接等待时长
-用户访问session分析:Shuffle调优之原理概述
用户访问session分析:Shuffle调优之合并map端输出文件
用户访问session分析:Shuffle调优之调节map端内存缓冲与reduce端内存占比
用户访问session分析:Shuffle调优之HashShuffleManager与SortShuffleManager
用户访问session分析:算子调优之MapPartitions提升Map类操作性能
用户访问session分析:算子调优之filter过后使用coalesce减少分区数量
用户访问session分析:算子调优之使用foreachPartition优化写数据库性能
用户访问session分析:算子调优之使用repartition解决Spark SQL低并行度的性能问题
用户访问session分析:算子调优之reduceByKey本地聚合介绍
用户访问session分析:troubleshooting之控制shuffle reduce端缓冲大小以避免OOM
用户访问session分析:troubleshooting之解决JVM GC导致的shuffle文件拉取失败
用户访问session分析:troubleshooting之解决YARN队列资源不足导致的application直接失败
用户访问session分析:troubleshooting之解决各种序列化导致的报错
用户访问session分析:troubleshooting之解决算子函数返回NULL导致的问题
用户访问session分析:troubleshooting之解决yarn-client模式导致的网卡流量激增问题
用户访问session分析:troubleshooting之解决yarn-cluster模式的JVM栈内存溢出问题
-用户访问session分析:troubleshooting之错误的持久化方式以及checkpoint的使用
用户访问session分析:数据倾斜解决方案之原理以及现象分析
-用户访问session分析:数据倾斜解决方案之聚合源数据以及过滤导致倾斜的key
-用户访问session分析:数据倾斜解决方案之提高shuffle操作reduce并行度
用户访问session分析:数据倾斜解决方案之使用随机key实现双重聚合
用户访问session分析:数据倾斜解决方案之将reduce join转换为map join
用户访问session分析:数据倾斜解决方案之sample采样倾斜key单独进行join
用户访问session分析:数据倾斜解决方案之使用随机数以及扩容表进行join
四、页面单跳转化率统计:
页面单跳转化率:模块介绍
页面单跳转化率:需求分析、技术方案设计、数据表设计
-页面单跳转化率:编写基础代码
页面单跳转化率:页面切片生成以及页面流匹配算法实现
页面单跳转化率:计算页面流起始页面的pv
-页面单跳转化率:计算页面切片的转化率
页面单跳转化率:将页面切片转化率写入MySQL
页面单跳转化率:本地测试
页面单跳转化率:生产环境测试
用户访问session分析:生产环境测试
五、各区域热门商品统计:
各区域热门商品统计:模块介绍
-各区域热门商品统计:需求分析、技术方案设计以及数据设计
各区域热门商品统计:查询用户指定日期范围内的点击行为数据
各区域热门商品统计:异构数据源之从MySQL中查询城市数据
各区域热门商品统计:关联城市信息以及RDD转换为DataFrame后注册临时表
各区域热门商品统计:开发自定义UDAF聚合函数之group_concat_distinct()
各区域热门商品统计:查询各区域各商品的点击次数并拼接城市列表
-各区域热门商品统计:关联商品信息并使用自定义get_json_object函数和内置if函数标记经营类型
-各区域热门商品统计:使用开窗函数统计各区域的top3热门商品
-各区域热门商品统计:使用内置case when函数给各个区域打上级别标记
-各区域热门商品统计:将结果数据写入MySQL中
各区域热门商品统计:Spark SQL数据倾斜解决方案
-各区域热门商品统计:生产环境测试
六、广告点击流量实时统计:
广告点击流量实时统计:需求分析、技术方案设计以及数据设计
广告点击流量实时统计:为动态黑名单实时计算每天各用户对各广告的点击次数
广告点击流量实时统计:使用高性能方式将实时计算结果写入MySQL中
广告点击流量实时统计:过滤出每个batch中的黑名单用户以生成动态黑名单
广告点击流量实时统计:基于动态黑名单进行点击行为过滤
广告点击流量实时统计:计算每天各省各城市各广告的点击量
广告点击流量实时统计:计算每天各省的top3热门广告
广告点击流量实时统计:计算每天各广告近1小时滑动窗口内的点击趋势
-广告点击流量实时统计:实现实时计算程序的HA高可用性
-广告点击流量实时统计:对实时计算程序进行性能调优
-广告点击流量实时统计:生产环境测试 |