第1章 课程介绍
1-1 -导学- (11:14)
1-2 -授课习惯和学习建议 (08:52)
1-3 -OOTB环境使用演示 (08:37)
1-4 -Linux环境及软件版本介绍 (08:21)
1-5 -Spark版本升级 (03:54)
第2章 初识实时流处理
2-1 -课程目录 (01:39)
2-2 -业务现状分析 (07:25)
2-3 -实时流处理产生背景 (03:14)
2-4 -实时流处理概述 (02:46)
2-5 -离线计算和实时计算对比 (03:12)
2-6 -实时流处理框架对比 (06:20)
2-7 -实时流处理架构及技术选型 (05:20)
2-8 -实时流处理在企业中的应用 (04:34)
第3章 分布式日志收集框架Flume
3-1 -课程目录 (01:51)
3-2 -业务现状分析 (08:41)
3-3 -Flume概述 (14:00)
3-4 -Flume架构及核心组件 (07:53)
3-5 -Flume&JDK环境部署 (10:09)
3-6 -Flume实战案例一 (13:35)
3-7 -Flume实战案例二 (06:30)
3-8 -Flume实战案例三(重点掌握) (14:44)
第4章 分布式发布订阅消息系统Kafka
4-1 -课程目录 (01:37)
4-2 -Kafka概述 (10:58)
4-3 -Kafka架构及核心概念 (04:01)
4-4 -Kafka单节点单Broker部署之Zookeeper安装 (04:13)
4-5 -Kafka单节点单broker的部署及使用 (16:46)
4-6 -Kafka单节点多broker部署及使用 (09:31)
4-7 -Kafka容错性测试 (04:25)
4-8 -使用IDEA+Maven构建开发环境 (06:00)
4-9 -Kafka Producer Java API编程 (14:11)
4-10 -Kafka Consumer Java API编程 (13:00)
4-11 -Kafka实战之整合Flume和Kafka完成实时数据采集 (16:35)
第5章 实战环境搭建
5-1 -课程目录 (01:11)
5-2 -Scala安装 (03:36)
5-3 -Maven安装 (05:15)
5-4 -Hadoop环境搭建 (10:55)
5-5 -HBase安装 (09:20)
5-6 -Spark环境搭建 (06:56)
5-7 -开发环境搭建 (08:00)
第6章 Spark Streaming入门
6-1 -课程目录 (01:19)
6-2 -Spark Streaming概述 (10:38)
6-3 -Spark Streaming应用场景 (02:16)
6-4 -Spark Streaming集成Spark生态系统的使用 (02:37)
6-5 -Spark Streaming发展史 (02:05)
6-6 -从词频统计功能着手入门Spark Streaming (12:10)
6-7 -Spark Streaming工作原理(粗粒度) (03:42)
6-8 -Spark Streaming工作原理(细粒度) (07:49)
第7章 Spark Streaming核心概念与编程
7-1 -课程目录 (01:35)
7-2 -核心概念之StreamingContext (11:51)
7-3 -核心概念之DStream (05:59)
7-4 -核心概念之Input DStreams和Receivers (06:22)
7-5 -核心概念之Transformation和Output Operations (02:47)
7-6 -案例实战之Spark Streaming处理socket数据 (14:12)
7-7 -案例实战之Spark Streaming处理文件系统数据 (06:29)
第8章 Spark Streaming进阶与案例实战
8-1 -课程目录 (02:06)
8-2 -实战之updateStateByKey算子的使用 (12:00)
8-3 -实战之将统计结果写入到MySQL数据库中 (17:43)
8-4 -实战之窗口函数的使用 (05:23)
8-5 -实战之黑名单过滤 (10:45)
8-6 -实战之Spark Streaming整合Spark SQL操作 (05:17)
第9章 Spark Streaming整合Flume
9-1 -课程目录 (00:51)
9-2 -Push方式整合之概述 (05:56)
9-3 -Push方式整合之Flume Agent配置开发 (03:30)
9-4 -Push方式整合之Spark Streaming应用开发 (05:18)
9-5 -Push方式整合之本地环境联调 (06:09)
9-6 -Push方式整合之服务器环境联调 (05:05)
9-7 -Pull方式整合之概述 (04:11)
9-8 -Pull方式整合之Flume Agent配置开发 (01:54)
9-9 -Pull方式整合之Spark Streaming应用开发 (03:05)
9-10 -Pull方式整合之本地环境联调 (02:50)
9-11 -Pull方式整合之服务器环境联调 (03:38)
第10章 Spark Streaming整合Kafka
10-1 -课程目录 (01:27)
10-2 -Spark Streaming整合Kafka的版本选择详解 (04:52)
10-3 -Receiver方式整合之概述 (06:34)
10-4 -Receiver方式整合之Kafka测试 (05:45)
10-5 -Receiver方式整合之Spark Streaming应用开发 (08:36)
10-6 -Receiver方式整合之本地环境联调 (02:31)
10-7 -Receiver方式整合之服务器环境联调及Streaming UI讲解 (08:04)
10-8 -Direct方式整合之概述 (05:39)
10-9 -Direct方式整合之Spark Streaming应用开发及本地环境测试 (06:36)
10-10 -Direct方式整合之服务器环境联调 (03:34)
第11章 Spark Streaming整合Flume&Kafka打造通用流处理基础
11-1 -课程目录 (02:18)
11-2 -处理流程画图剖析 (05:09)
11-3 -日志产生器开发并结合log4j完成日志的输出 (05:50)
11-4 -使用Flume采集Log4j产生的日志 (14:19)
11-5 -使用KafkaSInk将Flume收集到的数据输出到Kafka (09:10)
11-6 -Spark Streaming消费Kafka的数据进行统计 (03:29)
11-7 -本地测试和生产环境使用的拓展 (05:14)
第12章 Spark Streaming项目实战
12-1 -课程目录 (04:05)
12-2 -需求说明 (03:47)
12-3 -用户行为日志介绍 (13:40)
12-4 -Python日志产生器开发之产生访问url和ip信息 (13:15)
12-5 -Python日志产生器开发之产生referer和状态码信息 (08:48)
12-6 -Python日志产生器开发之产生日志访问时间 (02:16)
12-7 -Python日志产生器服务器测试并将日志写入到文件中 (05:45)
12-8 -通过定时调度工具每一分钟产生一批数据 (06:00)
12-9 -使用Flume实时收集日志信息 (09:10)
12-10 -对接实时日志数据到Kafka并输出到控制台测试 (06:15)
12-11 -Spark Streaming对接Kafka的数据进行消费 (07:46)
12-12 -使用Spark Streaming完成数据清洗操作 (17:25)
12-13 -功能一之需求分析及存储结果技术选型分析 (09:08)
12-14 -功能一之数据库访问DAO层方法定义 (05:03)
12-15 -功能一之HBase操作工具类开发 (12:15)
12-16 -功能一之数据库访问DAO层方法实现 (07:15)
12-17 -功能一之将Spark Streaming的处理结果写入到HBase中 (08:03)
12-18 -功能二之需求分析及HBase设计&HBase数据访问层开发 (06:32)
12-19 -功能二之功能实现及本地测试 (07:55)
12-20 -将项目运行在服务器环境中 (17:54)
第13章 可视化实战
13-1 -课程目录 (03:23)
13-2 -为什么需要可视化 (05:11)
13-3 -构建Spring Boot项目 (12:08)
13-4 -Echarts概述 (05:51)
13-5 -Spring Boot整合Echarts绘制静态数据柱状图 (09:29)
13-6 -Spring Boot整合Echarts绘制静态数据饼图 (04:28)
13-7 -项目目录调整 (01:55)
13-8 -根据天来获取HBase表中的实战课程访问次数 (10:34)
13-9 -实战课程访问量domain以及dao开发 (06:27)
13-10 -实战课程访问量Web层开发 (06:49)
13-11 -实战课程访问量实时查询展示功能实现及扩展 (14:12)
13-12 -Spring Boot项目部署到服务器上运行 (03:19)
13-13 -阿里云DataV数据可视化介绍 (12:13)
13-14 -DataV展示统计结果功能实现 (17:26)
第14章 Java拓展
14-1 -课程目录 (01:31)
14-2 -使用Java开发Spark应用程序 (10:08)
14-3 -使用Java开发Spark Streaming应用程序 (06:48)
第15章 补充内容
15-1 -课程目录 (03:32)
15-2 -流处理语义详解 (08:33)
15-3 -Kafka整合SparkStreaming的offsets管理宏观介绍 (09:40)
15-4 -环境准备 (02:57)
15-5 -offset管理演示一 (07:26)
15-6 -offset管理演示二 (09:33)
15-7 -offset管理演示三 (08:34)
15-8 -计算结果一致性 (04:50)
15-9 -补充内容总结 (00:46)
第16章 (讨论群内直播内容分享)Spark流处理面试三两事
16-1 SparkStreaming整合Kafka面试常考点梳理 (03:46)
16-2 面试常考点之ack剖析 (07:24)
16-3 面试常考点之Kafka数据存储剖析 (06:40)
16-4 面试常考点之Kafka数据消费策略概述 (03:13)
16-5 面试常考点之基于Range消费策略详解 (06:22)
16-6 面试常考点之基于Range消费策略源码解析 (08:02)
16-7 面试常考点之基于RoundRobin消费策略分析 (06:58)
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。