SPARK: Администратор кластера Apache Spark

Узнай что умеет Apache Spark, Spark ML, Spark SQL на курсах www.bigdataschool.ru

Ближайшая дата курса

Стоимость обучения	54.000 рублей

3-дневный практический курс администрирования кластера Apache Spark, организации потоковой обработки Spark Streaming, настройкам производительности

Аудитория: Специалисты, администраторы, желающие получить опыт настройки и использования компонентов Apache Spark (Spark Streaming, Spark Core)

Предварительный уровень подготовки:

Начальный опыт работы в Unix/SQL
Начальный опыт программирования (Scala/Python/Java)

Продолжительность: 3 дня, 24 академических часа.

3- дневный интенсивный практический тренинг по знакомству с платформой для распределенной обработки больших данных Apache Spark.

В ходе лекций и лабораторных работы вы научитесь:

настраивать кластер Apache Spark для запуска задач на Scala и R при обработке больших массивов неструктурированных данных;
поймете разницу использования различных форматов хранения данных и использования RDD , dataframes и datasets;
настраивать и анализировать данные в потоке Spark Streaming;
интегрировать компоненты Apache Spark с другими компонентами экосистем Hadoop.

Соотношение теории к практике 40/60

Программа курса

Введение в Apache Spark
- Сравнение Hadoop и Spark
- Сравнение Batch, Real-Time и in-Memory процессинг
- Особенности Apache Spark
- Компоненты Apache Spark экосистемы
Введение в RDD — Resilient Distributed Dataset
- Что такое RDD
- Особенности использования RDD, RDD lineage
- Трансформация в Spark RDD
- Lazy evaluation и отказоустойчивость в Spark
- Использование Persistence RDD в памяти и на диске
- Использование key-value пар (ReduceByKey,CountByKey,SortByKey,AggregateByKey)
- Интеграция Hadoop с Spark
Запуск задач в Apache Spark
- Знакомство с Spark-shell
- Выполнение задач в Apache Spark
- Написание программ в Apache Spark
- Чтение данных с локальной файловой системы и HDFS
- Зависимости(Dependencies)
- Кэширование данных в Apache Spark
- Отказоустойчивость (Fault Tolerance)
Управление ресурсами в кластере Apache Spark
- Архитектура Apache Spark
- Особенности управления ресурсами в автономном режиме кластера (Standalone)
- Особенности управления ресурсами в режиме Hadoop кластера с YARN
- Динамическое распределение ресурсов Dynamic Resource Allocation
- Оптимизация Apache Spark: использование разделов (partition hash,range,map, static), управление расписанием (dynamic, fair scheduler), использование переменных (shared, broadcast) и аккумуляторов (accumulators)
- Использование Catalyst Optimizer для оптимизации исполнения запросов
- Project Tungsten — Оптимизация управления памятью и кэшом CPU
- Импорт и обработка данных в кластере Hadoop
Потоковая обработка (Streaming) в Apache Spark
- Потоковая обработка данных для аналитики больших данных
- Особенности реализации потоковой обработки данных в Apache Spark
- Основные концепции потоковой обработки
- Аггрегированные и не аггрегированные запросы
- Обработка событий Event Time, Window и Late Events (скользящее окно событий)
- Поддержка последних событий (Late Events) в потоковой обработке данных в Apache Spark
- Режимы работы Apache Spark с потоковыми данными