课程目录：

即学即用的Spark实战44讲-拉钩专栏/
├──开篇词：学了就能用的 Spark？_1971
| └──开篇词：学了就能用的 Spark？.mp4 133.87M
├──第01讲： MapReduce：计算框架和编程模型_1972
| └──第01讲： MapReduce：计算框架和编程模型.mp4 122.83M
├──第02讲：Hadoop：集群的操作系统_1973
| └──第02讲：Hadoop：集群的操作系统.mp4 145.51M
├──第03讲：如何设计与实现统一资源管理与调度系统_1974
| └──第03讲：如何设计与实现统一资源管理与调度系统.mp4 152.16M
├──第04讲：解析 Spark 数据处理与分析场景_1975
| └──第04讲：解析 Spark 数据处理与分析场景.mp4 106.09M
├──第05讲：如何选择 Spark 编程语言以及部署 Spark_1976
| └──第05讲：如何选择 Spark 编程语言以及部署 Spark.mp4 133.86M
├──第06讲：Spark 抽象、架构与运行环境_1977
| └──第06讲：Spark 抽象、架构与运行环境.mp4 137.67M
├──第07讲：Spark 核心数据结构：弹性分布式数据集 RDD_1978
| └──第07讲：Spark 核心数据结构：弹性分布式数据集 RDD.mp4 128.57M
├──第08讲：算子：如何构建你的数据管道？_1979
| └──第08讲：算子：如何构建你的数据管道？.mp4 299.23M
├──第09讲：函数式编程思想：你用什么声明，你在声明什么？_1980
| └──第09讲：函数式编程思想：你用什么声明，你在声明什么？.mp4 209.22M
├──第10讲：共享变量：如何在数据管道中使用中间结果？_1981
| └──第10讲：共享变量：如何在数据管道中使用中间结果？.mp4 182.13M
├──第11讲：计算框架的分布式实现：剖析 Spark Shuffle 原理_1982
| └──第11讲：计算框架的分布式实现：剖析 Spark Shuffle 原理.mp4 212.45M
├──第12讲：如何处理结构化数据：DataFrame 、Dataet和Spark SQL_1983
| └──第12讲：如何处理结构化数据：DataFrame 、Dataet和Spark SQL.mp4 217.50M
├──第13讲：如何使用用户自定义函数？_1984
| └──第13讲：如何使用用户自定义函数？.mp4 168.68M
├──第14讲：列式存储：针对查询场景的极致优化_1985
| └──第14讲：列式存储：针对查询场景的极致优化.mp4 159.83M
├──第15讲：如何对 Spark 进行全方位性能调优？_1986
| └──第15讲：如何对 Spark 进行全方位性能调优？.mp4 289.60M
├──第16讲：Tungten 和 Hydrogen：Spark 性能提升与优化计划_1987
| └──第16讲：Tungten 和 Hydrogen：Spark 性能提升与优化计划.mp4 250.27M
├──第17讲：实战：探索葡萄牙银行电话调查的结果_1988
| └──第17讲：实战：探索葡萄牙银行电话调查的结果.mp4 106.20M
├──第18讲：流处理：什么是流处理？以及你必须考虑的消息送达保证问题_1989
| └──第18讲：流处理：什么是流处理？以及你必须考虑的消息送达保证问题.mp4 134.16M
├──第19讲：批处理还是流处理：Spark Streaming 抽象、架构与使用方法_1990
| └──第19讲：批处理还是流处理：Spark Streaming 抽象、架构与使用方法.mp4 204.33M
├──第20讲：如何在生产环境中使用 Spark Streaming_1991
| └──第20讲：如何在生产环境中使用 Spark Streaming.mp4 180.75M
├──第21讲：统一批处理与流处理：Dataflow_1992
| └──第21讲：统一批处理与流处理：Dataflow.mp4 205.31M
├──第22讲：新一代流式计算框架：Structured Streaming_1993
| └──第22讲：新一代流式计算框架：Structured Streaming.mp4 273.00M
├──第23讲：如何对 Spark 流处理进行性能调优？_1994
| └──第23讲：如何对 Spark 流处理进行性能调优？.mp4 85.39M
├──第24讲：实战：如何对股票交易实时价格进行分析？_1995
| └──第24讲：实战：如何对股票交易实时价格进行分析？.mp4 91.74M
├──第25讲： 什么是图：图模式，图相关技术与使用场景_1996
| └──第25讲： 什么是图：图模式，图相关技术与使用场景.mp4 128.38M
├──第26讲：数据并行：Spark 如何抽象图，如何切分图，如何处理图_1997
| └──第26讲：数据并行：Spark 如何抽象图，如何切分图，如何处理图.mp4 116.53M
├──第27讲：像顶点一样思考：大规模并行图挖掘引擎 GraphX_1998
| └──第27讲：像顶点一样思考：大规模并行图挖掘引擎 GraphX.mp4 100.33M
├──第28讲：Pregel 还是 MapReduce：一个有趣的算子 AggregateMeage_1999
| └──第28讲：Pregel 还是 MapReduce：一个有趣的算子 AggregateMeage.mp4 82.60M
├──第29讲：实战 1：用 GraphX 实现 PageRank 算法_2000
| └──第29讲：实战 1：用 GraphX 实现 PageRank 算法.mp4 87.57M
├──第30讲：实战 2：用 GraphX 求得顶点的 n 度邻居_2001
| └──第30讲：实战 2：用 GraphX 求得顶点的 n 度邻居.mp4 49.72M
├──第31讲：机器学习是什么： 机器学习与机器学习工作流_2002
| └──第31讲：机器学习是什么： 机器学习与机器学习工作流.mp4 106.38M
├──第32讲：标准化机器学习流程：ML pipeline_2003
| └──第32讲：标准化机器学习流程：ML pipeline.mp4 70.69M
├──第33讲：如何对数据进行预处理？_2004
| └──第33讲：如何对数据进行预处理？.mp4 107.86M
├──第34讲：少数服从多数：随机森林分类器_2005
| └──第34讲：少数服从多数：随机森林分类器.mp4 192.62M
├──第35讲：物以类聚：Kmean 聚类算法_2006
| └──第35讲：物以类聚：Kmean 聚类算法.mp4 62.25M
├──第36讲：推荐引擎：协同过滤_2007
| └──第36讲：推荐引擎：协同过滤.mp4 115.10M
├──第37讲：如何对模型性能进行评估并调优？_2008
| └──第37讲：如何对模型性能进行评估并调优？.mp4 73.33M
├──第38讲：数据仓库与商业智能系统架构剖析_2009
| └──第38讲：数据仓库与商业智能系统架构剖析.mp4 96.12M
├──第39讲：作为 Yelp 运营负责人，如何根据数据进行决策？_2010
| └──第39讲：作为 Yelp 运营负责人，如何根据数据进行决策？.mp4 82.98M
├──第40讲：如何获取业务数据库的数据_2011
| └──第40讲：如何获取业务数据库的数据.mp4 45.89M
├──第41讲：如何构建数据立方体_2012
| └──第41讲：如何构建数据立方体.mp4 50.47M
├──第42讲：如何通过 OLAP 与报表呈现结果_2013
| └──第42讲：如何通过 OLAP 与报表呈现结果.mp4 61.14M
├──第43讲：两个简化了的重要问题：数据更新和数据实时性_2014
| └──第43讲：两个简化了的重要问题：数据更新和数据实时性.mp4 38.65M
├──第44讲：另一种并行：Lambda 架构与 Kappa 架构_2015
| └──第44讲：另一种并行：Lambda 架构与 Kappa 架构.mp4 74.95M
├──结束语：统一的编程模型，统一的编程语言，统一的架构_2016
| └──结束语：统一的编程模型，统一的编程语言，统一的架构.mp4 74.49M
├──彩蛋：如何成为 Spark Contributor_2017
| └──彩蛋：如何成为 Spark Contributor.mp4 44.84M
├──彩蛋：如何成为 Spark Contributor.pdf 590.45kb
└──开篇词：学了就能用的 Spark？.pdf 1.44M
├──第01讲： MapReduce：计算框架和编程模型.pdf 444.10kb
├──第02讲：Hadoop：集群的操作系统.pdf 593.48kb
├──第03讲：如何设计与实现统一资源管理与调度系统.pdf 699.26kb
├──第04讲：解析 Spark 数据处理与分析场景.pdf 481.97kb
├──第05讲：如何选择 Spark 编程语言以及部署 Spark.pdf 657.03kb
├──第06讲：Spark 抽象、架构与运行环境.pdf 824.00kb
├──第07讲：Spark 核心数据结构：弹性分布式数据集 RDD.pdf 670.28kb
├──第08讲：算子：如何构建你的数据管道？.pdf 1.06M
├──第09讲：函数式编程思想：你用什么声明，你在声明什么？.pdf 537.43kb
├──第10讲：共享变量：如何在数据管道中使用中间结果？.pdf 620.84kb
├──第11讲：计算框架的分布式实现：剖析 Spark Shuffle 原理.pdf 2.06M
├──第12讲：如何处理结构化数据：DataFrame 、Dataset和Spark SQL.pdf 948.05kb
├──第13讲：如何使用用户自定义函数？.pdf 779.84kb
├──第14讲：列式存储：针对查询场景的极致优化.pdf 1.15M
├──第15讲：如何对 Spark 进行全方位性能调优？.pdf 1.19M
├──第16讲：Tungsten 和 Hydrogen：Spark 性能提升与优化计划.pdf 1.33M
├──第17讲：实战：探索葡萄牙银行电话调查的结果.pdf 680.06kb
├──第18讲：流处理：什么是流处理？以及你必须考虑的消息送达保证问题.pdf 617.80kb
├──第19讲：批处理还是流处理：Spark Streaming 抽象、架构与使用方法.pdf 1.02M
├──第20讲：如何在生产环境中使用 Spark Streaming.pdf 988.78kb
├──第21讲：统一批处理与流处理：Dataflow.pdf 1012.10kb
├──第22讲：新一代流式计算框架：Structured Streaming.pdf 1.29M
├──第23讲：如何对 Spark 流处理进行性能调优？.pdf 550.87kb
├──第24讲：实战：如何对股票交易实时价格进行分析？.pdf 487.46kb
├──第25讲： 什么是图：图模式，图相关技术与使用场景.pdf 950.25kb
├──第26讲：数据并行：Spark 如何抽象图，如何切分图，如何处理图.pdf 1.17M
├──第27讲：像顶点一样思考：大规模并行图挖掘引擎 GraphX.pdf 568.19kb
├──第28讲：Pregel 还是 MapReduce：一个有趣的算子 AggregateMessage.pdf 777.48kb
├──第29讲：实战 1：用 GraphX 实现 PageRank 算法.pdf 758.39kb
├──第30讲：实战 2：用 GraphX 求得顶点的 n 度邻居.pdf 375.05kb
├──第31讲：机器学习是什么： 机器学习与机器学习工作流.pdf 891.18kb
├──第32讲：标准化机器学习流程：ml pipeline.pdf 552.91kb
├──第33讲：如何对数据进行预处理？.pdf 680.04kb
├──第34讲：少数服从多数：随机森林分类器.pdf 911.57kb
├──第35讲：物以类聚：Kmeans 聚类算法.pdf 1.10M
├──第36讲：推荐引擎：协同过滤.pdf 1018.82kb
├──第37讲：如何对模型性能进行评估并调优？.pdf 687.57kb
├──第38讲：数据仓库与商业智能系统架构剖析.pdf 1001.99kb
├──第39讲：作为 Yelp 运营负责人，如何根据数据进行决策？.pdf 1.29M
├──第40讲：如何获取业务数据库的数据.pdf 459.82kb
├──第41讲：如何构建数据立方体.pdf 720.22kb
├──第42讲：如何通过 OLAP 与报表呈现结果.pdf 962.77kb
├──第43讲：两个简化了的重要问题：数据更新和数据实时性.pdf 470.54kb
├──第44讲：另一种并行：Lambda 架构与 Kappa 架构.pdf 942.29kb
├──结束语：统一的编程模型，统一的编程语言，统一的架构.pdf 622.28kb