如何成為云計(jì)算大數(shù)據(jù)Spark高手？

Spark Spark是發(fā)源于美國(guó)加州大學(xué)伯克利分校AMPLab的集群計(jì)算平臺(tái)，它立足于內(nèi)存計(jì)算，性能超過(guò)Hadoop百倍，從多迭代批量處理出發(fā)，兼收并蓄數(shù)據(jù)倉(cāng)庫(kù)、流處理和圖計(jì)算等多種計(jì)算范式，是罕見(jiàn)的全能選手。

成都創(chuàng)新互聯(lián)公司致力于互聯(lián)網(wǎng)品牌建設(shè)與網(wǎng)絡(luò)營(yíng)銷，包括成都做網(wǎng)站、成都網(wǎng)站制作、SEO優(yōu)化、網(wǎng)絡(luò)推廣、整站優(yōu)化營(yíng)銷策劃推廣、電子商務(wù)、移動(dòng)互聯(lián)網(wǎng)營(yíng)銷等。成都創(chuàng)新互聯(lián)公司為不同類型的客戶提供良好的互聯(lián)網(wǎng)應(yīng)用定制及解決方案，成都創(chuàng)新互聯(lián)公司核心團(tuán)隊(duì)十年專注互聯(lián)網(wǎng)開(kāi)發(fā)，積累了豐富的網(wǎng)站經(jīng)驗(yàn)，為廣大企業(yè)客戶提供一站式企業(yè)網(wǎng)站建設(shè)服務(wù)，在網(wǎng)站建設(shè)行業(yè)內(nèi)樹(shù)立了良好口碑。

Spark是發(fā)源于美國(guó)加州大學(xué)伯克利分校AMPLab的集群計(jì)算平臺(tái)，它立足于內(nèi)存計(jì)算，性能超過(guò)Hadoop百倍，從多迭代批量處理出發(fā)，兼收并蓄數(shù)據(jù)倉(cāng)庫(kù)、流處理和圖計(jì)算等多種計(jì)算范式，是罕見(jiàn)的全能選手。Spark采用一個(gè)統(tǒng)一的技術(shù)堆棧解決了云計(jì)算大數(shù)據(jù)的如流處理、圖技術(shù)、機(jī)器學(xué)習(xí)、NoSQL查詢等方面的所有核心問(wèn)題，具有完善的生態(tài)系統(tǒng)，這直接奠定了其一統(tǒng)云計(jì)算大數(shù)據(jù)領(lǐng)域的霸主地位。

伴隨Spark技術(shù)的普及推廣，對(duì)專業(yè)人才的需求日益增加。Spark專業(yè)人才在未來(lái)也是炙手可熱，輕而易舉可以拿到百萬(wàn)的薪酬。而要想成為Spark高手，也需要一招一式，從內(nèi)功練起：通常來(lái)講需要經(jīng)歷以下階段：

第一階段：熟練的掌握Scala語(yǔ)言

Spark框架是采用Scala語(yǔ)言編寫(xiě)的，精致而優(yōu)雅。要想成為Spark高手，你就必須閱讀Spark的源代碼，就必須掌握Scala,；

雖然說(shuō)現(xiàn)在的Spark可以采用多語(yǔ)言Java、Python等進(jìn)行應(yīng)用程序開(kāi)發(fā)，但是最快速的和支持最好的開(kāi)發(fā)API依然并將永遠(yuǎn)是Scala方式的API，所以你必須掌握Scala來(lái)編寫(xiě)復(fù)雜的和高性能的Spark分布式程序；

尤其要熟練掌握Scala的trait、apply、函數(shù)式編程、泛型、逆變與協(xié)變等；

第二階段：精通Spark平臺(tái)本身提供給開(kāi)發(fā)者API

• 掌握Spark中面向RDD的開(kāi)發(fā)模式，掌握各種transformation和action函數(shù)的使用；
• 掌握Spark中的寬依賴和窄依賴以及l(fā)ineage機(jī)制；
• 掌握RDD的計(jì)算流程，例如Stage的劃分、Spark應(yīng)用程序提交給集群的基本過(guò)程和Worker節(jié)點(diǎn)基礎(chǔ)的工作原理等

第三階段：深入Spark內(nèi)核

• 此階段主要是通過(guò)Spark框架的源碼研讀來(lái)深入Spark內(nèi)核部分：
• 通過(guò)源碼掌握Spark的任務(wù)提交過(guò)程；
• 通過(guò)源碼掌握Spark集群的任務(wù)調(diào)度；
• 尤其要精通DAGScheduler、TaskScheduler和Worker節(jié)點(diǎn)內(nèi)部的工作的每一步的細(xì)節(jié)；

第四階級(jí):掌握基于Spark上的核心框架的使用

• Spark作為云計(jì)算大數(shù)據(jù)時(shí)代的集大成者，在實(shí)時(shí)流處理、圖技術(shù)、機(jī)器學(xué)習(xí)、NoSQL查詢等方面具有顯著的優(yōu)勢(shì)，我們使用Spark的時(shí)候大部分時(shí)間都是在使用其上的框架例如Shark、Spark Streaming等：
• Spark Streaming是非常出色的實(shí)時(shí)流處理框架，要掌握其DStream、transformation和checkpoint等；
• Spark的離線統(tǒng)計(jì)分析功能，Spark 1.0.0版本在Shark的基礎(chǔ)上推出了Spark SQL，離線統(tǒng)計(jì)分析的功能的效率有顯著的提升，需要重點(diǎn)掌握；
• 對(duì)于Spark的機(jī)器學(xué)習(xí)和GraphX等要掌握其原理和用法；

第五階級(jí):做商業(yè)級(jí)別的Spark項(xiàng)目

通過(guò)一個(gè)完整的具有代表性的Spark項(xiàng)目來(lái)貫穿Spark的方方面面，包括項(xiàng)目的架構(gòu)設(shè)計(jì)、用到的技術(shù)的剖析、開(kāi)發(fā)實(shí)現(xiàn)、運(yùn)維等，完整掌握其中的每一個(gè)階段和細(xì)節(jié)，這樣就可以讓您以后可以從容面對(duì)絕大多數(shù)Spark項(xiàng)目。

第六階級(jí)：提供Spark解決方案

• 徹底掌握Spark框架源碼的每一個(gè)細(xì)節(jié)；
• 根據(jù)不同的業(yè)務(wù)場(chǎng)景的需要提供Spark在不同場(chǎng)景的下的解決方案；
• 根據(jù)實(shí)際需要，在Spark框架基礎(chǔ)上進(jìn)行二次開(kāi)發(fā)，打造自己的Spark框架；

前面所述的成為Spark高手的六個(gè)階段中的第一和第二個(gè)階段可以通過(guò)自學(xué)逐步完成，隨后的三個(gè)階段最好是由高手或者專家的指引下一步步完成，最后一個(gè)階段，基本上就是到"無(wú)招勝有招"的時(shí)期，很多東西要用心領(lǐng)悟才能完成。

針對(duì)Spark人員的培養(yǎng)，目前國(guó)內(nèi)的專業(yè)機(jī)構(gòu)，大多還是在Android和Hadoop方向上提供相關(guān)的課程及訓(xùn)練。Spark亞太研究院，作為國(guó)內(nèi)首家Spark技術(shù)研究及推廣機(jī)構(gòu)，在幫助企業(yè)規(guī)劃、部署、開(kāi)發(fā)、培訓(xùn)和使用Spark為核心，同時(shí)提供Spark源碼研究和應(yīng)用技術(shù)訓(xùn)練。在完成了對(duì)Spark源碼的徹底研究的同時(shí)不斷在實(shí)際環(huán)境中使用Spark的各種特性的基礎(chǔ)之上，Spark亞太研究院推出了國(guó)內(nèi)首個(gè)Spark訓(xùn)練體系：《18小時(shí)內(nèi)掌握Spark》、《Spark企業(yè)級(jí)開(kāi)發(fā)最佳實(shí)踐》、《精通Spark：Spark內(nèi)核剖析、源碼解讀、性能優(yōu)化和商業(yè)案例實(shí)戰(zhàn)》、《Spark 1.0.0企業(yè)級(jí)開(kāi)發(fā)動(dòng)手》、《Spark架構(gòu)案例鑒賞》、《精通Spark的開(kāi)發(fā)語(yǔ)言：Scala最佳實(shí)踐》， 幫助學(xué)習(xí)者，通過(guò)上述幾個(gè)階段的培養(yǎng)，逐步精通spark技術(shù)。了解Spark訓(xùn)練體系課程（www.sparkinchina.com）。

當(dāng)前名稱：如何成為云計(jì)算大數(shù)據(jù)Spark高手？
文章URL：http://uogjgqi.cn/article/dhdccdp.html