【尚硅谷】2024最新版Spark视频教程 - 带源码课件

lizuo2020

001-Spark-课程介绍
002-Spark-文件结构-介绍
003-Spark-基础概念-介绍-分布式
004-Spark-基础概念-介绍-计算
005-Spark-基础概念-介绍-分布式基础架构
006-Spark-基础概念-介绍-框架
007-Spark-基础概念-介绍-Spark和MR的关系
008-Spark-介绍
009-Spark-部署方式-介绍
010-Spark-解压后的文件结构
011-Spark-部署环境-Local
012-Spark-部署环境-Local-演示
013-Spark-部署环境-Yarn-演示
014-Spark-部署环境-Yarn-历史服务
015-Spark-部署环境-Yarn-2种执行方式Cluster和Client
016-Spark-部署环境-几种模式的对比
017-Spark-数据结构-说明
018-Spark-RDD-介绍
019-Spark-RDD-数据处理流程简介
020-Spark-RDD-计算原理
021-Spark-RDD-计算原理-补充
022-Spark-RDD-代码-环境的准备
023-Spark-RDD-代码-对接内存数据源构建RDD对象
024-Spark-RDD-代码-对接磁盘数据源构建RDD对象
025-Spark-RDD-代码-RDD的理解
026-Spark-RDD-代码-RDD的分区
027-Spark-RDD-代码-内存数据源-分区数量的设定
028-Spark-RDD-代码-磁盘文件数据源-分区数量的设定
029-Spark-RDD-代码-内存数据源-分区数据的分配
030-Spark-RDD-代码-磁盘文件数据源-分区数据的分配
031-Spark-RDD-代码-磁盘文件数据源-分区数据的分配-演示
032-Spark-RDD-课件梳理
033-Spark-RDD-方法-介绍
034-Spark-RDD-方法-方法的2大类-转换和行动
035-Spark-RDD-方法-数据处理的2大类-单值和键值
036-Spark-RDD-方法-转换-map
037-Spark-RDD-方法-转换-map-1
038-Spark-RDD-方法-转换-map-2
039-Spark-RDD-方法-转换-map-3
040-Spark-RDD-方法-转换-map-4
041-Spark-RDD-方法-转换-filter
042-Spark-RDD-方法-转换-flatMap
043-Spark-RDD-方法-转换-flatMap-1
044-Spark-RDD-方法-转换-groupBy
045-Spark-RDD-回顾-原理
046-Spark-RDD-回顾-方法
047-Spark-RDD-Shuffle
048-Spark-RDD-Shuffle-原理
049-Spark-RDD-Shuffle-原理-补充
050-Spark-RDD-Shuffle-演示
051-Spark-RDD-方法-distinct
052-Spark-RDD-方法-sortBy
053-Spark-RDD-方法-KV类型数据介绍
054-Spark-RDD-方法-KV类型数据补充
055-Spark-RDD-方法-KV-mapValues
056-Spark-RDD-方法-KV-wordCount
057-Spark-RDD-方法-KV-groupByKey
058-Spark-RDD-方法-KV-reduceByKey
059-Spark-RDD-方法-KV-sortByKey
060-Spark-RDD-方法-KV-reduceByKey和groupByKey的区别
061-Spark-RDD-WordCount程序在环境中运行
062-Spark-RDD-转换方法的回顾
063-Spark-RDD-行动算子-介绍
064-Spark-RDD-行动算子-collect
065-Spark-RDD-行动算子-collect-补充
066-Spark-RDD-行动算子-其他方法-1
067-Spark-RDD-行动算子-其他方法-2
068-Spark-RDD-行动算子-其他方法-3
069-Spark-RDD-行动算子-Driver端和Executor端数据传输
070-Spark-RDD-序列化-1
071-Spark-RDD-序列化-2
072-Spark-案例-数据格式说明
073-Spark-案例-需求介绍
074-Spark-案例-需求分析
075-Spark-案例-需求设计
076-Spark-案例-开发原则
077-Spark-案例-代码实现-1
078-Spark-案例-代码实现-2
079-Spark-案例-代码实现-3
080-Spark-案例-代码实现-4
081-Spark-RDD-KRYO序列化框架
082-Spark-RDD-依赖关系-介绍
083-Spark-RDD-依赖关系-原理
084-Spark-RDD-依赖关系-血缘关系
085-Spark-RDD-依赖关系-依赖关系
086-Spark-RDD-依赖关系-宽窄依赖关系
087-Spark-RDD-依赖关系-作业，阶段和任务的关系
088-Spark-RDD-依赖关系-任务的数量
089-Spark-RDD-依赖关系-分区的数量
090-Spark-RDD-持久化和序列化的关系
091-Spark-RDD-持久化-cache
092-Spark-RDD-持久化-persist
093-Spark-RDD-持久化-checkpoint
094-Spark-RDD-持久化-shuffle算子的持久化
095-Spark-RDD-分区器
096-Spark-RDD-自定义分区器
097-Spark-两个案例
098-Spark-第一个案例问题原因
099-Spark-广播变量
100-Spark-RDD的局限性
101-SparkSQL-介绍
102-SparkSQL-环境对象的封装
103-SparkSQL-模型对象的封装
104-SparkSQL-SQL的操作
105-SparkSQL-不同场景下环境对象的转换
106-SparkSQL-不同场景下模型数据对象的转换
107-SparkSQL-使用SQL的方式来访问数据模型
108-SparkSQL-使用DSL的方式来访问数据模型
109-SparkSQL-自定义udf函数对象
110-SparkSQL-自定义udf函数的底层实现原理
111-SparkSQL-自定义udaf函数的底层实现原理
112-SparkSQL-自定义udaf函数的实现步骤-1
113-SparkSQL-自定义udaf函数的实现步骤-2
114-SparkSQL-自定义udaf函数的实现步骤-回顾
115-SparkSQL-数据源-CSV
116-SparkSQL-数据源-JSON
117-SparkSQL-数据源-Parquet
118-SparkSQL-数据源-JDBC
119-SparkSQL-数据源-Hive
120-SparkSQL-案例-数据准备
121-SparkSQL-案例-数据准备-补充
122-SparkSQL-案例-需求分析
123-SparkSQL-案例-需求设计
124-SparkSQL-案例-SQL实现-1
125-SparkSQL-案例-SQL实现-2
126-SparkSQL-案例-SQL实现-3
127-SparkSQL-案例-SQL实现-4
128-SparkSQL-案例-SQL实现-5
129-SparkSQL-案例-SQL实现-6
130-SparkSQL-案例-SQL实现-7
131-SparkSQL-案例-SQL实现-8
132-SparkSQL-案例-SQL实现-9
133-SparkStreaming-介绍
134-SparkStreaming-原理
135-SparkStreaming-原理-补充
136-SparkStreaming-课件梳理
137-SparkStreaming-环境准备
138-SparkStreaming-网络（Socket）数据流处理演示
139-SparkStreaming-Kafka数据流处理演示
140-SparkStreaming-DStream方法介绍
141-SparkStreaming-DStream输出方法介绍
142-SparkStreaming-窗口操作
143-SparkStreaming-回顾-1
144-SparkStreaming-回顾-2
145-SparkStreaming-关闭-1
146-SparkStreaming-关闭-2
147-SparkStreaming-关闭-3
148-Spark-内核-运行流程-1
149-Spark-内核-运行流程-2
150-Spark-内核-运行流程-3
151-Spark-内核-核心对象
152-Spark-内核-核心对象通信流程-Netty
153-Spark-内核-Task任务的调度执行
154-Spark-内核-Shuffle底层的实现原理-1
155-Spark-内核-Shuffle底层的实现原理-2
156-Spark-内核-内存管理
157-Spark-内核-内存管理-补充

游客，如果您要查看本帖隐藏内容请回复

沐秋烟

啥也不说了，感谢楼主分享哇！

1611765574

珍惜生命，果断回帖。

b10050228

啥也不说了，感谢楼主分享哇！

mayongz2023

啥也不说了，感谢楼主分享哇！

taipingyang2021

啥也不说了，感谢楼主分享哇！

xiaod

啥也不说了，感谢楼主分享哇！

csa

啥也不说了，感谢楼主分享哇！

xiaosigou123

回的人少，我来小顶一下

Chris_Chen

确实是难得好帖啊，顶先