Spark性能调优实战 - 一站式加速Spark作业执行性能
你将获得
- 深入浅出的 Spark 核心原理
- 全面解析 Spark SQL 性能调优
- 应用开发、配置项设置实操指南
- 手把手带你实现一个分布式应用
作者简介：
吴磊，现任 Comcast Freewheel 机器学习团队负责人，负责计算广告业务中机器学习应用的实践、落地与推广。曾任职于 IBM、联想研究院、新浪微博，具备丰富的数据库、数据仓库、大数据开发与调优经验。
吴磊热爱技术分享，擅长从生活的视角解读技术。做过Spark Summit China 2017 讲师、World AI Conference 2020 讲师，在《IBM developerWorks》和《程序员》杂志，以及InfoQ上发表过多篇技术文章，深受好评。
课程亮点：
目前，Spark已然成为分布式数据处理技术的事实标准，也在逐渐成为各大头部互联网公司的标配。对于数据领域的任何一名工程师来说，Spark开发都是一项必备技能；而想要进入大厂，就更得有丰富的Spark性能调优经验。
可现实情况是，我们想要快速上手开发应用很容易，把握应用的执行性能却总也找不到头绪，比如：
明明都是内存计算，为什么我用了RDD/DataFrame Cache，性能反而更差了？
网上吹得神乎其神的调优手段，为啥到了我这就不好使呢？
并行度设置得也不低，为啥我的CPU利用率还是上不去？
节点内存几乎全都划给Spark用了，为啥我的应用还是OOM？
为此，我们特意邀请到了吴磊老师，他根据自己多年的数据处理经验，梳理出了一套关于性能调优的方法论，帮助你在有效加速 Spark 作业执行性能的同时，也建立起以性能为导向的开发习惯。
除此之外，他还会手把手教你打造一个分布式应用，带你从不同角度洞察汽油车摇号的趋势和走向，让你对性能调优技巧和思路的把控有一个“质的飞跃”。
课程大纲：
- 开篇词 | Spark性能调优，你该掌握这些“套路”
- 性能调优的必要性：Spark本身就很快，为啥还需要我调优？
- 性能调优的本质：调优的手段五花八门，该从哪里入手？
- RDD：为什么你必须要理解弹性分布式数据集？
- DAG与流水线：到底啥叫“内存计算”？
- 调度系统：“数据不动代码动”到底是什么意思？
- 存储系统：空间换时间，还是时间换空间？
- 内存管理基础：Spark如何高效利用有限的内存空间？
- 应用开发三原则：如何拓展自己的开发边界？
- 调优一筹莫展，配置项速查手册让你事半功倍！（上）
