курс «Анализ и обработка данных с Apache Spark, включая Streaming, Spark SQL, MLLib и GraphX» представляет собой 3-дневный интенсивный тренинг по использованию распределенной платформы Apache Spark для работы с большими массивами неструктурированных данных и потоковой обработки информации.

Программа курса «Анализ данных с Apache Spark Streaming, Spark SQL, MLLib и GraphX«

1. Обзор Apache Spark, знакомство со Spark RDD и Dataframe
   Архитектура Spark. Принципы работы Resilent Data Distribution (Spark RDD)
   Обзор компонентов Spark и их назначения
   Low Level API, использование Resilient Distributed Dataset
   Structured API и основная абстракция Spark — Dataframe
2. Apache Spark SQL
   Получение данных из SQL-источников и обработка данных с помощью Spark SQL
   Отправка данных в SQL СУБД и работа с Hive QL
   Spark SQL и Hadoop
3. Производительность и параллелизм в Apache Spark
   Планы выполнения. Logical и physical планы
   Конфигурирование Apache Spark
4. Spark Streaming
   Разница работы в режимах OLAP и OLTP. Основной workflow
   Виды Spark Stream-ов. Особенности исполнения streaming кода
   Checkpoint’ы в Spark Streaming
5. GraphX и MLLib
   Задачи графов в программировании. Место графов в модели распределенных вычислений
   Представление графов в GraphX. Операции с графами
   Задачи машинного обучения и проблематика больших данных
   Основные возможности Spark MLLib
6. Обработка слабоструктурированных данных
   Работа с JSON файлами и строками
   Обработка информации, представленной в виде XML
   Подробнее на сайте https://www.bigdataschool.ru/bigdata/apache-spark-sql.html