如何成为云计算大数据Spark高手
Spark是发源于美国加州大学伯克利分校AMPLab的集群计算平台,它立足于内存计算,性能超过Hadoop百倍,从多迭代批量处理出发,兼收并蓄数据仓库、流处理和图计算等多种计算范式,是罕见的全能选手。Spark采用一个统一的技术堆栈解决了云计算大数据的如流处理、图技术、机器学习、NoSQL查询等方面的所有核心问题,具有完善的生态系统,这直接奠定了其一统云计算大数据领域的霸主地位。
伴随Spark技术的普及推广,对专业人才的需求日益增加。Spark专业人才在未来也是炙手可热,轻而易举可以拿到百万的薪酬。而要想成为Spark高手,也需要一招一式,从内功练起:通常来讲需要经历以下阶段:
第一阶段:熟练的掌握Scala语言
1,Spark框架是采用Scala语言编写的,精致而优雅。要想成为Spark高手,你就必须阅读Spark的源代码,就必须掌握Scala,;
2, 虽然说现在的Spark可以采用多语言Java、Python等进行应用程序开发,但是最快速的和支持最好的开发API依然并将永远是Scala方式的API,所以你必须掌握Scala来编写复杂的和高性能的Spark分布式程序;
3, 尤其要熟练掌握Scala的trait、apply、函数式编程、泛型、逆变与协变等;
第二阶段:精通Spark平台本身提供给开发者API
1, 掌握Spark中面向RDD的开发模式,掌握各种transformation和action函数的使用;
2, 掌握Spark中的宽依赖和窄依赖以及lineage机制;
3, 掌握RDD的计算流程,例如Stage的划分、Spark应用程序提交给集群的基本过程和Worker节点基础的工作原理等
第三阶段:深入Spark内核
此阶段主要是通过Spark框架的源码研读来深入Spark内核部分:
1, 通过源码掌握Spark的任务提交过程;
2, 通过源码掌握Spark集群的任务调度;
3, 尤其要精通DAGScheduler、TaskScheduler和Worker节点内部的工作的每一步的细节;
第四阶级:掌握基于Spark上的核心框架的使用
Spark作为云计算大数据时代的集大成者,在实时流处理、图技术、机器学习、NoSQL查询等方面具有显著的优势,我们使用Spark的时候大部分时间都是在使用其上的框架例如Shark、Spark Streaming等:
1, Spark Streaming是非常出色的实时流处理框架,要掌握其DStream、transformation和checkpoint等;
2, Spark的离线统计分析功能,Spark 1.0.0版本在Shark的基础上推出了Spark SQL,离线统计分析的功能的效率有显著的提升,需要重点掌握;
3, 对于Spark的机器学习和GraphX等要掌握其原理和用法;
第五阶级:做商业级别的Spark项目
通过一个完整的具有代表性的Spark项目来贯穿Spark的方方面面,包括项目的架构设计、用到的技术的剖析、开发实现、运维等,完整掌握其中的每一个阶段和细节,这样就可以让您以后可以从容面对绝大多数Spark项目。
第六阶级:提供Spark解决方案
1, 彻底掌握Spark框架源码的每一个细节;
2, 根据不同的业务场景的需要提供Spark在不同场景的下的解决方案;
3, 根据实际需要,在Spark框架基础上进行二次开发,打造自己的Spark框架;
前面所述的成为Spark高手的六个阶段中的第一和第二个阶段可以通过自学逐步完成,随后的三个阶段最好是由高手或者专家的指引下一步步完成,最后一个阶段,基本上就是到”无招胜有招”的时期,很多东西要用心领悟才能完成。
最新文章
- CentOS利用inotify+rsync实现文件同步
- Spring boot jar 后台运行
- atcoder 它February 29th
- public private proteccted区别
- webstorm 激活码
- 201521123038 《Java程序设计》 第一周学习总结
- ITU-T Technical Paper: 测量QoS的基本网络模型
- form的submit()方法不能触发onsubmit事件的解决方法,兼容各版本浏览器。
- 转://Oracle 事务探索与实例(二)
- 小P的秘籍
- Android文件数据存储
- 题解——洛谷P1550 [USACO08OCT]打井Watering Hole(最小生成树,建图)
- BIO,NIO的区别,使用场景。
- 使用filezilla server搭建FTP服务器
- JS修改当前控件样式&;为控件追加事件
- Python CAN
- HTML5 Canvas ( 图片填充样式 ) fillStyle, createPattern
- (转)Terraform,自动化配置与编排必备利器
- openssl源码目录结构
- Cookie js 操作
热门文章
- [C/C++] 深拷贝和浅拷贝
- BZOJ4592 SHOI2015脑洞治疗仪(线段树)
- 【题解】NOI2009二叉查找树 + NOIP2003加分二叉树
- [洛谷P2711]小行星
- bzoj 5094 [Lydsy1711月赛]硬盘检测 概率dp
- CentOS 安装 debuginfo-install
- 动态规划:树形DP
- 关于flume的几道题
- 【hdu4436/LA6387-str2int】sam处理不同子串
- 【BZOJ3700】发展城市 [LCA][RMQ]