正在播放：Python+Spark3.2大数据教程

课程目录：
Python+Spark3.2大数据-PySpark导学
Python+Spark3.2大数据-PySpark课程导入
Python+Spark3.2大数据1.1-Spark简单介绍
Python+Spark3.2大数据1.2-Spark风雨十年
Python+Spark3.2大数据1.3-Spark和Hadoop的对比
Python+Spark3.2大数据1.4-Spark四大特点
Python+Spark3.2大数据1.5-Spark框架模块
Python+Spark3.2大数据1.6-Spark运行模式.
Python+Spark3.2大数据1.7-Spark的架构角色
Python+Spark3.2大数据1.8-总结
Python+Spark3.2大数据2.1-课程服务器环境
Python+Spark3.2大数据2.2-Local模式基本原理
Python+Spark3.2大数据2.3-安装Anaconda
Python+Spark3.2大数据2.4-Spark Local模式部署
Python+Spark3.2大数据3.1-StandAlone的运行原理
Python+Spark3.2大数据3.2-StandAlone部署
Python+Spark3.2大数据3.3-StandAlone程序测试
Python+Spark3.2大数据3.4-Spark程序运行层次划分
Python+Spark3.2大数据3.5-总结
Python+Spark3.2大数据4.1-StandAlone HA模式的运行原理
Python+Spark3.2大数据4.2-StandAlone 部署和测试
Python+Spark3.2大数据4.3-总结
Python+Spark3.2大数据5.1-Spark On YARN的运行原理
Python+Spark3.2大数据5.2-Spark On YARN 部署和测试
Python+Spark3.2大数据5.3-两种部署模式的区别
Python+Spark3.2大数据5.4-两种部署模式的演示和总结
Python+Spark3.2大数据5.5-两种模式任务提交流程
Python+Spark3.2大数据5.6-总结
Python+Spark3.2大数据6.1-框架和类库
Python+Spark3.2大数据6.2-PySpark类库介绍
Python+Spark3.2大数据6.3-PySpark安装
Python+Spark3.2大数据6.4-总结
Python+Spark3.2大数据7.1-本机配置Python环境
Python+Spark3.2大数据7.2-PyCharm本地和远程解释器配置
Python+Spark3.2大数据7.3-WordCount演示
Python+Spark3.2大数据7.4-WordCount代码流程解析
Python+Spark3.2大数据7.5-提交WordCount到Linux集群运行
Python+Spark3.2大数据7.6-总结
Python+Spark3.2大数据8.1-Spark运行角色回顾
Python+Spark3.2大数据8.2-分布式代码执行分析
Python+Spark3.2大数据8.3-Python On Spark执行原理
Python+Spark3.2大数据8.4-总结
SparkCore1.1-什么是RDD
SparkCore1.2-RDD五大特性-特性1
SparkCore1.3-RDD五大特性-特性2
SparkCore1.4-RDD的五大特性-特性3
SparkCore1.5-RDD的五大特性-特性4
SparkCore1.6-RDD的五大特性-特性5.mp4
SparkCore1.7-RDD特性进行执行分析
SparkCore1.8-总结
SparkCore2.01-RDD的创建-1
SparkCore2.02-RDD的创建-2
SparkCore2.03-RDD算子概念和分类
SparkCore2.04-转换算子-map
SparkCore2.05-转换算子-flatMap
SparkCore2.06-转换算子-reduceByKey
SparkCore2.07-RDD算子-mapValues
SparkCore2.08-WordCount案例回顾
SparkCore2.09-RDD算子-groupBy
SparkCore2.10-RDD算子-filter
SparkCore2.11-RDD算子-distinct
SparkCore2.12-RDD算子-union
SparkCore2.13-RDD算子-join
SparkCore2.14-RDD算子-intersection
SparkCore2.15-RDD算子-glom
SparkCore2.16-RDD算子-groupByKey
SparkCore2.17-RDD算子-sortBy
SparkCore2.18-RDD算子-sortByKey
SparkCore2.19-RDD算子-案例
SparkCore2.20-RDD算子-案例-提交到YARN执行
SparkCore2.21-RDD算子-countByKey
SparkCore2.22-RDD算子-reduce
SparkCore2.23-RDD算子-fold
SparkCore2.24-RDD算子-take-first-count-top
SparkCore2.25-RDD算子-takeSample
SparkCore2.26-RDD算子-takeOrdered
SparkCore2.27-RDD算子-foreach
SparkCore2.28-RDD算子-saveAsTextFile
SparkCore2.29-RDD算子-mapPartitions
SparkCore2.30-RDD算子-foreachPartition
SparkCore2.31-RDD算子-partitionBy
SparkCore2.32-RDD算子-repartition-coalesce
SparkCore2.33-RDD算子-面试题
SparkCore2.34-总结
SparkCore3.1-RDD的数据是过程数据概念
SparkCore3.2-RDD的缓存
SparkCore3.3-RDD的CheckPoint
SparkCore3.4-总结
SparkCore4.1-jieba库入门使用
SparkCore4.2-案例需求1开发
SparkCore4.3-案例需求2开发
SparkCore4.4-案例需求3开发
SparkCore4.5-提交代码到YARN集群运行
SparkCore4.6-作业和总结
SparkCore5.1-广播变量
SparkCore5.3-广播变量累加器综合案例
SparkCore5.4-总结
SparkCore6.1-DAG
SparkCore6.2-宽窄依赖和阶段划分
SparkCore6.3-内存迭代计算
SparkCore6.4-Spark并行度
SparkCore6.5-Spark任务调度
SparkCore6.6-Spark运行概念名词解释和层级梳理
SparkCore6.7-总结
SparkSQL-SparkSQL基础入门
SparkSQL2.1-SparkSQL和Hive的异同以及SparkSQL的数据抽象
SparkSQL2.2-SparkSession执行环境入口构建
SparkSQL2.3-总结
SparkSQL3.01-DataFrame对象的构成
SparkSQL3.02-DataFrame创建-1
SparkSQL3.03-DataFrame创建-2
SparkSQL3.04-DataFrame创建-3
SparkSQL3.05-DataFrame创建-4
SparkSQL3.06-标准API读取text数据源构建DataFrame
SparkSQL3.07-标准API读取json构建DataFrame
SparkSQL3.08-标准API读取jcsv构建DataFrame
SparkSQL3.09-标准API读取jparquet构建DataFrame
SparkSQL3.10-DSL风格入门API
SparkSQL3.11-SQL风格入门API
SparkSQL3.12-WordCount案例
SparkSQL3.13-电影评分案例编程
SparkSQL3.14-Shuffle阶段分区数参数设定
SparkSQL3.15-异常数据处理API
SparkSQL3.16-DataFrame数据写出
SparkSQL3.17-JDBC协议读写数据库(MySQL)
SparkSQL3.18-总结
SparkSQL4.1-UDF创建演示
SparkSQL4.2-注册返回值是数组类型的UDF
SparkSQL4.3-返回字典类型的UDF定义
SparkSQL4.4-拓展-通过RDD代码模拟UDAF效果
SparkSQL4.5-窗口函数的演示
SparkSQL4.6-总结
SparkSQL5.1-Catalyst优化器
SparkSQL5.2-SparkSQL执行流程及本章总结
SparkSQL6-SparkOnHive原理和配置及总结
SparkSQL7-分布式SQL的执行引擎原理和配置
案例-案例背景及需求1开发
案例-需求2开发
案例-需求3开发
案例-需求4开发
Spark新特性及核心回顾-1-1-HashShuffleManager
Spark新特性及核心回顾-1-2-SortShuffleManager
Spark新特性及核心回顾-1-3-总结
Spark新特性及核心回顾-2-1-3.0新特性-AQE
Spark新特性及核心回顾-2-2-新特性-动态分区裁剪
Spark新特性及核心回顾-2-3-新特性-koalas库
Spark新特性及核心回顾-2-4-总结
Spark新特性及核心回顾-3-Spark概念总结