怎么成为大数据Spark高手

这篇“怎么成为大数据Spark高手”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“怎么成为大数据Spark高手”文章吧。

创新互联专注于东阿企业网站建设,成都响应式网站建设公司,商城网站建设。东阿网站建设公司,为东阿等地区提供建站服务。全流程定制网站制作，专业设计，全程项目跟踪，创新互联专业和态度为您提供的服务

第一阶段：熟练的掌握Scala及java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;

4. 掌握JAVA语言多线程，netty，rpc，ClassLoader，运行环境等(源码需要)。
   

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的开发模式部署模式：本地(调试)，Standalone，yarn等 ，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

4. 熟练掌握spark on yarn的机制原理及调优

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，Driver和Executor节点内部的工作的每一步的细节;

4. Driver和Executor的运行环境及RPC过程

5. 缓存RDD，Checkpoint，Shuffle等缓存或者暂存垃圾清除机制

6. 熟练掌握BlockManager，Broadcast，Accumulator，缓存等机制原理

7. 熟练掌握Shuffle原理源码及调优

第四阶级:掌握基于Spark Streaming  

Spark作为云计算大数据时代的集大成者，其中其组件spark Streaming在企业准实时处理也是基本是必备，所以作为大数据从业者熟练掌握也是必须且必要的：

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. 熟练掌握kafka 与spark Streaming结合的两种方式及调优方式

3. 熟练掌握Structured Streaming原理及作用并且要掌握其余kafka结合

4. 熟练掌握SparkStreaming的源码尤其是和kafka结合的两种方式的源码原理。

5. 熟练掌握spark Streaming的web ui及各个指标，如：批次执行事件处理时间，调度延迟，待处理队列并且会根据这些指标调优。

6. 会自定义监控系统

第五阶级:掌握基于Spark SQL    

 

企业环境中也还是以数据仓库居多，鉴于大家对实时性要求比较高，那么spark sql就是我们作为仓库分析引擎的最爱(浪尖负责的两个集群都是计算分析一spark sql为主)：

1. spark sql要理解Dataset的概念及与RDD的区别，各种算子

2. 要理解基于hive生成的永久表和没有hive的临时表的区别

3. spark sql+hive metastore基本是标配，无论是sql的支持，还是永久表特性

4. 要掌握存储格式及性能对比

5. Spark sql也要熟悉它的优化器catalyst的工作原理。

6. Spark Sql的dataset的链式计算原理，逻辑计划翻译成物理计划的源码(非必须，面试及企业中牵涉到sql源码调优的比较少)

第六阶级:掌握基于spark机器学习及图计算    

 

企业环境使用spark作为机器学习及深度学习分析引擎的情况也是日渐增多，结合方式就很多了：

java系：

1. spark ml/mllib spark自带的机器学习库，目前也逐步有开源的深度学习及nlp等框架( spaCy, CoreNLP, OpenNLP, Mallet, GATE, Weka, UIMA, nltk, gensim, Negex, word2vec, GloVe)

2. 与DeepLearning4j目前用的也比较多的一种形式

python系：

1.  pyspark

2. spark与TensorFlow结合

第七阶级:掌握spark相关生态边缘    

 

企业中使用spark肯定也会涉及到spark的边缘生态，这里我们举几个常用的软件框架：

1. hadoop系列：kafka，hdfs，yarn

2. 输入源及结果输出，主要是：MySQL/redis/hbase/mongod

3. 内存加速的框架redis，Alluxio

4. es、solr

第八阶级: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。

第九阶级：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;

以上就是关于“怎么成为大数据Spark高手”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注创新互联行业资讯频道。

文章标题：怎么成为大数据Spark高手
文章链接：http://mswzjz.cn/article/pccsgs.html