极客时间已完结课程限时免费阅读

大规模数据处理实战

开篇词 | 从这里开始,带你走上硅谷一线系统架构师之路

01 | 为什么MapReduce会被硅谷一线公司淘汰?

02 | MapReduce后谁主沉浮:怎样设计下一代数据处理技术?

03 | 大规模数据处理初体验:怎样实现大型电商热销榜?

04 | 分布式系统(上):学会用服务等级协议SLA来评估你的系统

05 | 分布式系统(下):架构师不得不知的三大指标

06 | 如何区分批处理还是流处理?

07 | Workflow设计模式:让你在大规模数据世界中君临天下

08 | 发布/订阅模式:流处理架构中的瑞士军刀

09 | CAP定理:三选二,架构师必须学会的取舍

10 | Lambda架构:Twitter亿级实时数据分析架构背后的倚天剑

11 | Kappa架构:利用Kafka锻造的屠龙刀

12 | 我们为什么需要Spark?

13 | 弹性分布式数据集:Spark大厦的地基(上)

14 | 弹性分布式数据集:Spark大厦的地基(下)

15 | Spark SQL:Spark数据查询的利器

16 | Spark Streaming:Spark的实时流计算API

17 | Structured Streaming:如何用DataFrame API进行实时数据分析?

18 | Word Count:从零开始运行你的第一个Spark应用

19 | 综合案例实战:处理加州房屋信息,构建线性回归模型

20 | 流处理案例实战:分析纽约市出租车载客信息

21 | 深入对比Spark与Flink:帮你系统设计两开花

22 | Apache Beam的前世今生

23 | 站在Google的肩膀上学习Beam编程模型

24 | PCollection:为什么Beam要如此抽象封装数据?

25 | Transform:Beam数据转换操作的抽象方法

26 | Pipeline:Beam如何抽象多步骤的数据流水线?

27 | Pipeline I/O: Beam数据中转的设计模式

28 | 如何设计创建好一个Beam Pipeline?

29 | 如何测试Beam Pipeline?

30 | Apache Beam实战冲刺:Beam如何run everywhere?

31 | WordCount Beam Pipeline实战

32 | Beam Window:打通流处理的任督二脉

33 | 横看成岭侧成峰:再战Streaming WordCount

34 | Amazon热销榜Beam Pipeline实战

35 | Facebook游戏实时流处理Beam Pipeline实战(上)

36 | Facebook游戏实时流处理Beam Pipeline实战(下)

37 | 5G时代,如何处理超大规模物联网数据

38 | 大规模数据处理在深度学习中如何应用?

39 | 从SQL到Streaming SQL:突破静态数据查询的次元

40 | 大规模数据处理未来之路

FAQ第一期 | 学习大规模数据处理需要什么基础?

加油站 | Practice makes perfect!

FAQ第二期 | Spark案例实战答疑

FAQ第三期 | Apache Beam基础答疑

结束语 | 世间所有的相遇,都是久别重逢