آموزش تحلیل داده‌های بزرگ با Scala و Spark - آخرین آپدیت

شروع کار و مبانی Spark Getting Started + Spark Basics

• مقدمه، تدارکات و آنچه خواهید آموخت Introduction, Logistics, What You'll Learn

• از موازی‌سازی داده‌ها تا موازی‌سازی توزیع‌شده Data-Parallel to Distributed Data-Parallel

• تأخیر (Latency) Latency

• RDDها، مجموعه‌های توزیع‌شده Spark RDDs, Spark's Distributed Collection

• RDDها: تبدیل‌ها (Transformations) و عملیات‌ها (Actions) RDDs: Transformation and Actions

• ارزیابی در Spark: تفاوت با مجموعه‌های Scala! Evaluation in Spark: Unlike Scala Collections!

• اهمیت توپولوژی کلاستر! Cluster Topology Matters!

عملیات کاهش و جفت‌های کلید-مقدار توزیع‌شده Reduction Operations & Distributed Key-Value Pairs

• عملیات کاهش (Reduction Operations) Reduction Operations

• Pair RDDها Pair RDDs

• تبدیل‌ها و عملیات‌ها روی Pair RDDها Transformations and Actions on Pair RDDs

• اتصال‌ها (Joins) Joins

پارتیشن‌بندی و Shuffling Partitioning and Shuffling

• Shuffling: چیست و چرا اهمیت دارد؟ Shuffling: What it is and why it's important

• پارتیشن‌بندی (Partitioning) Partitioning

• بهینه‌سازی با استفاده از پارتیشن‌کننده‌ها Optimizing with Partitioners

• وابستگی‌های عریض در مقابل باریک (Wide vs Narrow) Wide vs Narrow Dependencies

داده‌های ساختاریافته: SQL، Dataframes و Datasets Structured data: SQL, Dataframes, and Datasets

• داده‌های ساختاریافته در مقابل غیرساختاریافته Structured vs Unstructured Data

• Spark SQL Spark SQL

• دیتا فریم‌ها (بخش اول) DataFrames (1)

• دیتا فریم‌ها (بخش دوم) DataFrames (2)

• دیتا ست‌ها (Datasets) Datasets