001.課程介紹.flv
002.課程環境搭建-CentOS 6.4叢集搭建(1).flv
002.課程環境搭建-CentOS 6.4叢集搭建(2).flv
003.課程環境搭建-hadoop-2.5.0-cdh5.3.6叢集搭建.flv
004.課程環境搭建-hive-0.13.1-cdh5.3.6安裝.flv
005.課程環境搭建-zookeeper-3.4.5-cdh5.3.6叢集搭建.flv
006.課程環境搭建-kafka_2.9.2-0.8.1叢集搭建_rec.flv
007.課程環境搭建-flume-ng-1.5.0-cdh5.3.6安裝_rec.flv
008.課程環境搭建-離線日誌採集流程介紹_rec.flv
009.課程環境搭建-實時資料採集流程介紹_rec.flv
 

010.課程環境搭建-Spark 1.5.1客戶端安裝以及基於YARN的提交模式_rec.flv
011.使用者訪問session分析-模組介紹_rec.flv
012.使用者訪問session分析-基礎資料結構以及大資料平臺架構介紹_rec.flv
013.使用者訪問session分析-需求分析_rec.flv
014.使用者訪問session分析-技術方案設計_rec.flv
015.使用者訪問session分析-資料表設計_rec.flv
016.使用者訪問session分析-Eclipse工程搭建以及工具類說明_rec.flv
017.使用者訪問session分析-開發配置管理元件_rec.flv
018.
 
使用者訪問session分析-JDBC原理介紹以及增刪改查示範_rec.flv
019.使用者訪問session分析-資料庫連線池原理_rec.flv
020.使用者訪問session分析-單例設計模式_rec.flv
021.使用者訪問session分析-內部類以及匿名內部類_rec.flv
022.使用者訪問session分析-開發JDBC輔助元件（上）_rec.flv
023.使用者訪問session分析-開發JDBC輔助元件（下）_rec.flv
024.使用者訪問session分析-JavaBean概念講解_rec.flv
025.使用者訪問session分析-DAO模式講解以及TaskDAO開發_rec.flv
 

026.使用者訪問session分析-工廠模式講解以及DAOFactory開發_rec.flv
027.使用者訪問session分析-JSON資料格式講解以及fastjson介紹_rec.flv
028.使用者訪問session分析-Spark上下文構建以及模擬資料生成_rec.flv
029.使用者訪問session分析-按session粒度進行資料聚合_rec.flv
030.使用者訪問session分析-按篩選引數對session粒度聚合資料進行過濾_rec.flv
031.使用者訪問session分析-session聚合統計之自定義Accumulator_rec.flv
032.使用者訪問session分析-session聚合統計之重構實現思路與重構session聚合_rec.flv
033.使用者訪問session分析-session聚合統計之重構過濾進行統計_rec.flv
034.使用者訪問session分析-session聚合統計之計算統計結果並寫入MySQL_rec.flv
035.使用者訪問session分析-session聚合統計之本地測試_rec.flv
036.使用者訪問session分析-session聚合統計之使用Scala實現自定義Accumulator_rec.flv
037.使用者訪問session分析-session隨機抽取之實現思路分析_rec.flv
038.使用者訪問session分析-session隨機抽取之計算每天每小時session數量_rec.flv
039.使用者訪問session分析-session隨機抽取之按時間比例隨機抽取演算法實現_rec.flv
040.使用者訪問session分析-session隨機抽取之根據隨機索引進行抽取_rec.flv
041.使用者訪問session分析-session隨機抽取之獲取抽取session的明細資料_rec.flv
042.使用者訪問session分析-session隨機抽取之本地測試_rec.flv
043.使用者訪問session分析-top10熱門品類之需求回顧以及實現思路分析_rec.flv
044.使用者訪問session分析-top10熱門品類之獲取session訪問過的所有品類_rec.flv
045.使用者訪問session分析-top10熱門品類之計算各品類點選、下單和支付的次數_rec.flv
046.使用者訪問session分析-top10熱門品類之join品類與點選下單支付次數_rec.flv
047.使用者訪問session分析-top10熱門品類之自定義二次排序key_rec.flv
048.使用者訪問session分析-top10熱門品類之進行二次排序_rec.flv
049.使用者訪問session分析-top10熱門品類之獲取top10品類並寫入MySQL_rec.flv
050.使用者訪問session分析-top10熱門品類之本地測試_rec.flv
051.使用者訪問session分析-top10熱門品類之使用Scala實現二次排序_rec.flv
052.使用者訪問session分析-top10活躍session之開發準備以及top10品類RDD生成_rec.flv
053.使用者訪問session分析-top10活躍session之計算top10品類被各sessoin點選的次數_rec.flv
054.使用者訪問session分析-top10活躍session之分組取TopN演算法獲取top10活躍session_rec.flv
055.使用者訪問session分析-top10活躍session之本地測試以及階段總結_rec.flv
056.使用者訪問session分析-效能調優之在實際專案中分配更多資源_rec.flv
057.使用者訪問session分析-效能調優之在實際專案中調節並行度_rec.flv
058.使用者訪問session分析-效能調優之在實際專案中重構RDD架構以及RDD持久化_rec.flv
059.使用者訪問session分析-效能調優之在實際專案中廣播大變數_rec.flv
060.使用者訪問session分析-效能調優之在實際專案中使用Kryo序列化 _rec.flv
061.使用者訪問session分析-效能調優之在實際專案中使用fastutil優化資料格式_rec.flv
062.使用者訪問session分析-效能調優之在實際專案中調節資料本地化等待時長_rec.flv
063.使用者訪問session分析-JVM調優之原理概述以及降低cache操作的記憶體佔比_rec.flv
064.使用者訪問session分析JVM調優之調節executor堆外記憶體與連線等待時長_rec.flv
065.使用者訪問session分析-Shuffle調優之原理概述_rec.flv
066.使用者訪問session分析-Shuffle調優之合併map端輸出檔案_rec.flv
067.使用者訪問session分析-Shuffle調優之調節map端記憶體緩衝與reduce端記憶體佔比 _rec.flv
068.使用者訪問session分析-Shuffle調優之HashShuffleManager與SortShuffleManager_rec.flv
069.使用者訪問session分析-運算元調優之MapPartitions提升Map類操作效能 _rec.flv
070.使用者訪問session分析-運算元調優之filter過後使用coalesce減少分割槽數量 _rec.flv
071.使用者訪問session分析-運算元調優之使用foreachPartition優化寫資料庫效能_rec.flv
072.使用者訪問session分析-運算元調優之使用repartition解決Spark SQL低並行度的效能問題_rec.flv
073.使用者訪問session分析-運算元調優之reduceByKey本地聚合介紹_rec.flv
074.使用者訪問session分析-troubleshooting之控制shuffle reduce端緩衝大小以避免OOM _rec.flv
075.使用者訪問session分析-troubleshooting之解決JVM GC導致的shuffle檔案拉取失敗 _rec.flv
076.使用者訪問session分析-troubleshooting之解決YARN佇列資源不足導致的application直接失敗 _rec.flv
077.使用者訪問session分析-troubleshooting之解決各種序列化導致的報錯_rec.flv
078.使用者訪問session分析-troubleshooting之解決運算元函式返回NULL導致的問題 _rec.flv
079.使用者訪問session分析-troubleshooting之解決yarn-client模式導致的網絡卡流量激增問題_rec.flv
080.使用者訪問session分析-troubleshooting之解決yarn-cluster模式的JVM棧記憶體溢位問題 _rec.flv
081.使用者訪問session分析-troubleshooting之錯誤的持久化方式以及checkpoint的使用_rec.flv
082.使用者訪問session分析-資料傾斜解決方案之原理以及現象分析_rec.flv
083.使用者訪問session分析-資料傾斜解決方案之聚合源資料以及過濾導致傾斜的key_rec.flv
084.使用者訪問session分析-資料傾斜解決方案之提高shuffle操作reduce並行度_rec.flv
085.使用者訪問session分析-資料傾斜解決方案之使用隨機key實現雙重聚合_rec.flv
086.使用者訪問session分析-資料傾斜解決方案之將reduce join轉換為map join_rec.flv
087.使用者訪問session分析-資料傾斜解決方案之sample取樣傾斜key單獨進行join_rec.flv
088.使用者訪問session分析-資料傾斜解決方案之使用隨機數以及擴容表進行join_rec.flv
089.頁面單跳轉化率-模組介紹_rec.flv
090.頁面單跳轉化率-需求分析、技術方案設計、資料表設計 _rec.flv
091.頁面單跳轉化率-編寫基礎程式碼_rec.flv
092.頁面單跳轉化率-頁面切片生成以及頁面流匹配演算法實現_rec.flv
093.頁面單跳轉化率-計算頁面流起始頁面的pv_rec.flv
094.頁面單跳轉化率-計算頁面切片的轉化率 _rec.flv
095.頁面單跳轉化率-將頁面切片轉化率寫入MySQL _rec.flv
096.頁面單跳轉化率-本地測試_rec.flv
097.頁面單跳轉化率-生產環境測試 _rec.flv
098.使用者訪問session分析-生產環境測試_rec.flv
099.各區域熱門商品統計-模組介紹_rec.flv
100.各區域熱門商品統計-需求分析、技術方案設計以及資料設計_rec.flv
101.各區域熱門商品統計-查詢使用者指定日期範圍內的點選行為資料_rec.flv
102.各區域熱門商品統計-異構資料來源之從MySQL中查詢城市資料_rec.flv
103.各區域熱門商品統計-關聯城市資訊以及RDD轉換為DataFrame後註冊臨時表_rec.flv
104.各區域熱門商品統計-開發自定義UDAF聚合函式之group_concat_distinct()_rec.flv
105.各區域熱門商品統計-查詢各區域各商品的點選次數並拼接城市列表 _rec.flv
106.各區域熱門商品統計-使用開窗函式統計各區域的top3熱門商品_rec.flv
107.各區域熱門商品統計-使用內建case when函式給各個區域打上級別標記_rec.flv
108.各區域熱門商品統計-將結果資料寫入MySQL中_rec.flv
109.各區域熱門商品統計-Spark SQL資料傾斜解決方案_rec.flv
110.各區域熱門商品統計-生產環境測試_rec.flv
111.廣告點選流量實時統計-需求分析、技術方案設計以及資料設計_rec.flv
112.廣告點選流量實時統計-為動態黑名單實時計算每天各使用者對各廣告的點選次數_rec.flv
113.廣告點選流量實時統計-使用高效能方式將實時計算結果寫入MySQL中_rec.flv
114.廣告點選流量實時統計-過濾出每個batch中的黑名單使用者以生成動態黑名單_rec.flv
115.廣告點選流量實時統計-基於動態黑名單進行點選行為過濾_rec.flv
116.廣告點選流量實時統計-計算每天各省各城市各廣告的點選量 _rec.flv
117.廣告點選流量實時統計-計算每天各省的top3熱門廣告_rec.flv
118.廣告點選流量實時統計-計算每天各廣告最近1小時滑動視窗內的點選趨勢_rec.flv
119.廣告點選流量實時統計-實現實時計算程式的HA高可用性_rec.flv
120.廣告點選流量實時統計-對實時計算程式進行效能調優（正確）_rec.flv
121.廣告點選流量實時統計-生產環境測試 _rec.flv
122.課程總結-都學到了什麼？_rec.flv
123.Spark 2.0-新特性介紹 _rec.flv
124.Spark 2.0-易用性：標準化SQL支援以及更合理的API_rec.flv
125.Spark 2.0-高效能：讓Spark作為編譯器來執行_rec.flv
126.Spark 2.0-新特性介紹-智慧化：Structured Streaming介紹_rec.flv
127.Spark 2.0-新特性介紹-Spark 1.x的Volcano Iterator Model深度剖析_rec.flv
128.Spark 2.0-新特性介紹-whole-stage code generation技術和vectorization技術_rec.flv
129.Spark 2.0-Spark 2.x與1.x對比以及分析、學習建議以及使用建議_rec.flv
130.Spark 2.0-課程環境搭建：虛擬機器、CentOS、Hadoop、Spark等_rec.flv
131.Spark 2.0-開發環境搭建：Eclipse+Maven+Scala+Spark_rec.flv
132.使用者活躍度分析：模組介紹以及互動式使用者行為分析系統的解釋 _rec.flv
133.使用者活躍度分析：統計指定時間內訪問次數最多的10個使用者_rec.flv
134.統計指定時間內購買金額最多的10個使用者_rec.flv
135.基於Spark 2.0的使用者活躍度分析：統計最近一個週期相比上一個週期訪問次數增長最多的10個使用者_rec.flv
136.基於Spark 2.0的使用者活躍度分析：統計最近一個週期相比上一個週期購買金額增長最多的10個使用者 _rec.flv
137.基於Spark 2.0的使用者活躍度分析：統計指定註冊時間範圍內頭7天訪問次數最高的10個使用者 _rec.flv
138.基於Spark 2.0的使用者活躍度分析：統計指定註冊時間範圍內頭7天購買金額最高的10個使用者_rec.flv