第一部份：Spark Streamin深度源碼剖析（上）
（1）Spark Streaming整體架構剖析
（2）基于Receiver+Kafka接收數據的源碼剖析
（3）基于DStream生成RDD的源碼剖析
（4）基于JobGenerator生成Job的源碼剖析
第二部份：Spark Streaming深度源碼剖析（下）
（1）Spark Streaming Driver容錯的源碼剖析
（2）Spark Streaming Executor容錯的源碼剖析
（3）Spark Streaming State相關操作的源碼剖析
（4）Spark Streaming Window相關操作的源碼剖析
第三部份：互聯網公司用戶流量實時大盤實戰(zhàn)
（1）互聯網用戶流量分析業(yè)務介紹
（2）互聯網用戶流量分析架構設計：Spark Streaming+Kafka+HBase
（3）完成互聯網用戶流量指標體系的開發(fā)
（4）實時計算作業(yè)上線運維：部署、代碼升級以及監(jiān)控
（5）對Spark Streaming作業(yè)進行初步的性能優(yōu)化
（6）基于前端展示用戶流量分析大盤
第四部份：廣告系統實時數據平臺架構實戰(zhàn)（上）
（1）廣告系統實時數據平臺的業(yè)務介紹以及架構設計
（2）完成廣告用戶與客戶價值的實時數據指標體系開發(fā)
（3）完成廣告運營與營銷活動的實時數據指標體系開發(fā)
（4）基于廣告實時數據支持的點擊率預測
（5）基于廣告實時數據支持的精準廣告營銷
第五部份：廣告系統實時數據平臺架構實戰(zhàn)（下）
（1）廣告系統實時數據平臺架構優(yōu)化設計
（2）基于Spark Streaming checkpoint實現全流程的容錯機制
（3）基于Spark Streaming實現全流程的exatcly once語義
（4）基于Kafka實現數據不丟失的技術方案
（5）基于前端頁面展示廣告數據分析
第六部份：微博熱點話題實時探測系統架構實戰(zhàn)（上）
（1）微博熱點話題探測業(yè)務介紹
（2）微博熱點話題探測系統架構設計
（3）基于Flume+Kafka完成實時微博數據的接入
（4）自己動手改進FP-Growth頻繁集挖掘算法
（5）基于改進后的繁集挖掘算法完成熱點話題的實時探測
第七部份：微博熱點話題實時探測系統架構實戰(zhàn)（下）
（1）基于Spark自己動手實現word2vec算法
（2）基于自己實現的Spark word2vec算法實現關聯熱點話題挖掘
（3）基于Spark Streaming完成實時計算作業(yè)開發(fā)
（4）基于前端頁面展示微博熱點話題
第八部份：微博社交關系實時挖掘平臺實戰(zhàn)（上）
（1）微博社交關系實時數據分析平臺業(yè)務介紹以及架構設計
（2）Titan分布式圖數據庫介紹
（3）Cassandra分布式NoSQL數據庫介紹
（4）Elasticsearch分布式搜索引擎介紹
（5）基于Spark Streaming+GraphX+Titan完成微博社交關系挖掘
第九部份：微博社交關系實時挖掘平臺實戰(zhàn)（下）
（1）基于Spark Streaming+文本挖掘完成微博用戶的情感分析
（2）基于Spark Streaming完成微博用戶群分析
（3）基于Spark Streaming完成用戶城市地圖分析
（4）基于Spark Streaming完成熱門話題趨勢分析
（5）基于前端頁面展示微博社交數據
第十部份：股票交易分析實時大盤系統實戰(zhàn)
（1）股票分析業(yè)務介紹
（2）實時股票分析大盤系統架構設計
（3）Druid分布式OLAP引擎介紹
（4）結合Spark Streaming + Druid完成股票數據實時分析
（5）結合Spark Streaming完成實時熱門股票排行
（6）結合Spark Streaming完成實時股票走勢預測
（7）基于前端頁面展示股票分析數據
第十一部份：實時用戶畫像系統架構實戰(zhàn)
（1）實時用戶畫像組成分析
（2）實時用戶畫像的標簽數據字典
（3）實時用戶畫像的興趣度模型
（4）基于Spark Streaming實現一套實時用戶畫像系統
（5）基于ElasticSearch對實時用戶畫像數據進行分析
第十二部份：實時個性化推薦系統架構實戰(zhàn)（上）
（1）基于Flume+Kafka實現用戶行為的實時采集與清洗
（2）基于實時用戶畫像構建數據倉庫
（3）針對元數據庫構建實時索引
（4）基于Spark Streaming完成第一個版實時個性化推薦系統
第十三部份：實時個性化推薦系統架構實戰(zhàn)（下）
（1）基于頻繁模式的選擇性集成分類算法
（2）基于選擇性集成分類算法和網頁對用戶進行分類以及興趣組構建
（3）基于Spark Streaming+協同過濾算法實現的實時推薦系統
（4）基于相關性算法實現的實時個性化推薦冷啟動優(yōu)化方案
|
合作伙伴與授權機構
總部李老師
