Spark 性能调优实战

一站式加速 Spark 作业执行性能 吴磊 FreeWheel 机器学习团队负责人

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

课程介绍

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？

课程设计

课程按照原理、性能、实战分为三大部分。

原理篇：主要讲解与性能调优息息相关的核心概念，包括RDD、DAG、调度系统、存储系统和内存管理。力求用最贴切的故事和类比、最少的篇幅，让你在最短的时间内掌握其核心原理，为后续的性能调优打下坚实的基础。

性能篇：虽然 Spark 的应用场景可以分为 5 大类，包括海量批处理、实时流计算、图计算、数据分析和机器学习。但它对 Spark SQL 的倾斜和倚重也是有目共睹，所以性能篇主要分两部分来讲。

一部分主要讲解性能调优的通用技巧，包括应用开发的基本原则、配置项的设置、Shuffle 的优化、资源利用率的提升。另一部分会专注于数据分析领域，借助 Spark 内置优化如 Tungsten、AQE 和典型场景如数据关联，总结 Spark SQL 中的调优方法和技巧。

实战篇：以 2011-2019 的《北京市汽油车摇号》数据为例，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，帮助你实践我们的方法论和调优技巧，不仅要学得快，也要学得好！

除此之外，课程更新期间，还会不定期地针对一些热点话题进行加餐。比如，和 Flink、Presto 相比，Spark 有哪些优势；再比如，Spark 的一些新特性，以及业界对于 Spark 的新探索。

资源下载 (opens new window)提取码：http://dt3.8tupian.net/2/29369a193b200.pg1