課程介紹：
目前為止專題課程中只講解SPark可以說是篇幅最大的了，也是最詳細的一套了，非常實用！
——————-課程目錄——————-
│ ├<一、內存計算框架Spark>
│ │ ├<第1章 Spark初識入門>
│ │ │ ├1.1、 與MapReduce對比性介紹Spark是什么.mp4
│ │ │ ├1.10、 Spark 實現WordCount功能講解.mp4
│ │ │ ├1.11、 Spark如何提交應用程序及各個組件名詞解釋.mp4
│ │ │ ├1.2、 Spark四大特性及與MapReduce比較.mp4
│ │ │ ├1.3、 如何指定Hadoop版本進行編譯Spark.mp4
│ │ │ ├1.4、 Spark 應用程序測試講解一.mp4
│ │ │ ├1.5、 Spark應用程序測試講解二.mp4
│ │ │ ├1.6、 Scala基本知識講解（變量，函數及高階函數）.mp4
│ │ │ ├1.7、 Spark Standalone安裝部署講解一.mp4
│ │ │ ├1.8、 Spark Standalone安裝部署講解二.mp4
│ │ │ └1.9、 Spark Standalone安裝部署講解三.mp4
│ │ ├<第2章 Spark核心RDD>
│ │ │ ├2.1、 Spark RDD五大特性講解（以WordCount案例和比較MapReduce）.mp4
│ │ │ ├2.10、 Spark Core應用案例講解三(1).mp4
│ │ │ ├2.11、 Spark Core應用案例講解三(2).mp4
│ │ │ ├2.2、 RDD創建的兩種方式講解.mp4
│ │ │ ├2.3、 RDD Operation講解（transformation和action）.mp4
│ │ │ ├2.4、 RDD 依賴講解（寬依賴和窄依賴）.mp4
│ │ │ ├2.5、 Spark RDD Shuffle講解（類似MapReduce中的Shuffle）.mp4
│ │ │ ├2.6、 如何創建Spark Application.mp4
│ │ │ ├2.7、 Spark 內核剖析講解.mp4
│ │ │ ├2.8、 Spark Core應用案例講解一.mp4
│ │ │ └2.9、 Spark Core應用案例講解二.mp4
│ │ ├<第3章 Spark高階應用>
│ │ │ ├3.1、 如何使用IDEA開發Spark Application及Local與打包測試講解.mp4
│ │ │ ├3.10、 Spark Streaming如何讀取出來HDFS上數據.mp4
│ │ │ ├3.11、 Spark Streaming核心概念DStream及相關Operation講解.mp4
│ │ │ ├3.12、 Spark Streaming與Flume集成講解一.mp4
│ │ │ ├3.13、 Spark Streaming與Flume集成講解二.mp4
│ │ │ ├3.14、 Kafka架構功能、環境搭建與演示.mp4
│ │ │ ├3.15、 Spark Streaming與Kafka集成方式一使用講解.mp4
│ │ │ ├3.16、 Spark Streaming與Kafka集成方式二使用講解.mp4
│ │ │ ├3.17、 Spark Streaming與Kafka集成結合UpdateStateByKey統計案例講解.mp4
│ │ │ ├3.2、 Spark Application監控（HistoryServer歷史服務器配置使用）.mp4
│ │ │ ├3.3、 Spark Application運行的兩種方式Client和Cluster區別.mp4
│ │ │ ├3.4、 Spark 如何運行在YARN上（兩種模式的區別）和解決NodeManager節點不健康問題.mp4
│ │ │ ├3.5、 演示講解Spark-shell運行在YARN上及以yarn cluster方式提交應用到yarn運行.mp4
│ │ │ ├3.6、 回顧復習Spark Core知識點.mp4
│ │ │ ├3.7、 Spark Streaming功能介紹和Demo演示.mp4
│ │ │ ├3.8、 通過Demo演示深入理解Spark Streaming如何工作.mp4
│ │ │ └3.9、 Spark Streaming編程模型講解.mp4
│ ├<二、Spark深入剖析>
│ │ ├<第1章 Spark核心編程>
│ │ │ ├1.1、Spark基本工作原理與RDD-1.mp4
│ │ │ ├1.10、wordcount程序原理深度剖析.mp4
│ │ │ ├1.11、Spark架構原理.mp4
│ │ │ ├1.12、創建RDD（集合、本地文件、HDFS文件）-1.mp4
│ │ │ ├1.13、創建RDD（集合、本地文件、HDFS文件）-2.mp4
│ │ │ ├1.14、transformation和action講解與原理剖析.mp4
│ │ │ ├1.15、案例：統計每行出現的次數（操作key-value對）.mp4
│ │ │ ├1.16、常用transformation和action操作概覽.mp4
│ │ │ ├1.17、map案例實戰：將集合中的數字乘以2.mp4
│ │ │ ├1.18、filter案例實戰：過濾集合中的偶數.mp4
│ │ │ ├1.19、flatMap案例實戰：將文本行拆分為單詞.mp4
│ │ │ ├1.2、Spark基本工作原理與RDD-2.mp4
│ │ │ ├1.20、groupByKey案例實戰：將每個班級的成績進行分組.mp4
│ │ │ ├1.21、reduceByKey案例實戰：統計每個班級的總分.mp4
│ │ │ ├1.22、sortByKey案例實戰：按照學生成績進行排序.mp4
│ │ │ ├1.23、join和cogroup案例實戰：打印學生成績.mp4
│ │ │ ├1.24、action操作開發實戰.mp4
│ │ │ ├1.25、RDD持久化詳解.mp4
│ │ │ ├1.26、共享變量（Broadcast Variable和Accumulator）.mp4
│ │ │ ├1.27、高級編程之基于排序機制的wordcount程序.mp4
│ │ │ ├1.28、使用Java實現二次排序.mp4
│ │ │ ├1.29、使用Scala實現二次排序.mp4
│ │ │ ├1.3、使用Java開發本地測試的wordcount程序-1.mp4
│ │ │ ├1.30、獲取文本內最大的前3個數字.mp4
│ │ │ ├1.31、獲取每個班級排名前3的成績（分組取topn）.mp4
│ │ │ ├1.4、使用Java開發本地測試的wordcount程序-2.mp4
│ │ │ ├1.5、將java開發的wordcount程序提交到spark集群上運行.mp4
│ │ │ ├1.6、使用scala開發wordcount程序.mp4
│ │ │ ├1.7、使用spark-shell開發wordcount程序.mp4
│ │ │ ├1.8、Spark UI補充說明.mp4
│ │ │ └1.9、spark-submit中的–master選項的補充說明（重要，必看！）.mp4
│ │ ├<第2章 Spark內核源碼深度剖析>
│ │ │ ├2.1、Spark內核架構深度剖析.mp4
│ │ │ ├2.10、Master資源調度算法原理剖析與源碼分析.mp4
│ │ │ ├2.11、Worker原理剖析與源碼分析-1.mp4
│ │ │ ├2.12、Worker原理剖析與源碼分析-2.mp4
│ │ │ ├2.13、job觸發流程原理剖析與源碼分析.mp4
│ │ │ ├2.14、stage劃分算法原理剖析.mp4
│ │ │ ├2.15、DAGScheduler源碼分析（stage劃分算法、task最佳位置計算算法）.mp4
│ │ │ ├2.16、TaskScheduler原理剖析與源碼分析.mp4
│ │ │ ├2.17、Executor原理剖析與源碼分析.mp4
│ │ │ ├2.18、Task原理剖析.mp4
│ │ │ ├2.19、Task源碼分析.mp4
│ │ │ ├2.2、寬依賴與窄依賴深度剖析.mp4
│ │ │ ├2.20、普通Shuffle操作的原理剖析.mp4
│ │ │ ├2.21、優化后的Shuffle操作的原理剖析.mp4
│ │ │ ├2.22、Shuffle讀寫源碼分析.mp4
│ │ │ ├2.23、BlockManager原理剖析.mp4
│ │ │ ├2.24、BlockManager源碼分析-1.mp4
│ │ │ ├2.25、BlockManager源碼分析-2.mp4
│ │ │ ├2.26、CacheManager原理剖析.mp4
│ │ │ ├2.27、CacheManager源碼分析.mp4
│ │ │ ├2.28、Checkpoint原理剖析.mp4
│ │ │ ├2.3、基于Yarn的兩種提交模式深度剖析.mp4
│ │ │ ├2.4、基于yarn的提交模式的spark-env.sh配置補充.mp4
│ │ │ ├2.5、SparkContext原理剖析.mp4
│ │ │ ├2.6、SparkContext源碼分析.mp4
│ │ │ ├2.7、Master主備切換機制原理剖析與源碼分析.mp4
│ │ │ ├2.8、Master注冊機制原理剖析與源碼分析.mp4
│ │ │ └2.9、Master狀態改變處理機制原理剖析與源碼分析.mp4
│ │ ├<第3章 Spark性能優化>
│ │ │ ├3.1、性能優化概覽.mp4
│ │ │ ├3.10、數據本地化.mp4
│ │ │ ├3.11、reduceByKey和groupByKey.mp4
│ │ │ ├3.12、shuffle性能優化.mp4
│ │ │ ├3.2、診斷內存的消耗.mp4
│ │ │ ├3.3、高性能序列化類庫.mp4
│ │ │ ├3.4、優化數據結構.mp4
│ │ │ ├3.5、對多次使用的RDD進行持久化或Checkpoint.mp4
│ │ │ ├3.6、使用序列化的持久化級別.mp4
│ │ │ ├3.7、Java虛擬機垃圾回收調優.mp4
│ │ │ ├3.8、提高并行度.mp4
│ │ │ └3.9、廣播共享數據.mp4
