以下就是本次Spark培训内容

　　第一部分

　　1、Spark的架构设计

　　1.1 Spark生态系统剖析

　　1.2 Spark的架构设计剖析

　　1.3 RDD计算流程解析

　　1.4 Spark的出色容错机制

　　2、Spark编程模型

　　2.1 RDD

　　2.2 transformation

　　2.3 action

　　2.4 lineage

　　2.5宽依赖与窄依赖

　　3、深入Spark内核

　　3.1 Spark集群

　　3.2 任务调度

　　3.3 DAGScheduler

　　3.4 TaskScheduler

　　3.5 Task内部揭秘

　　4、Spark的广播变量与累加器

　　4.1 广播变量的机制

　　4.2 广播变量使用最佳实践

　　4.3 累加器的机制

　　4.4 累加器使用的最佳实践

　　5、编写Spark程序

　　5.1 程序数据的来源：File、HDFS、HBase、S3等

　　5.2 IDE环境构建

　　5.3 Maven

　　5.4 sbt.

　　5.5 编写并部署Spark程序的实例

　　6、SparkContext解析和数据加载以及存储

　　6.1 源码剖析SparkContext

　　6.2 Scala、Java、Python使用SparkContext

　　6.4 加载数据成为RDD

　　6.5 把数据物化

　　第二部分

　　7、深入实战RDD

　　7.1 DAG

　　7.2 深入实战各种Scala RDD Function

　　7.3 Spark Java RDD Function

　　7.4 RDD的优化问题

　　8、Shark的原理和使用

　　8.1 Shark与Hive

　　8.2 安装和配置Shark

　　8.3 使用Shark处理数据

　　8.4 在Spark程序中使用Shark Queries

　　8.5 SharkServer

　　8.6 思考Shark架构

　　9、Spark的机器学习

　　9.1 LinearRegression

　　9.2 K-Means

　　9.3 Collaborative Filtering

　　10、Spark的图计算GraphX

　　10.1 Table Operators

　　10.2 Graph Operators

　　10.3 GraphX

　　11、Spark SQL

　　11.1 Parquet支持

　　11.2 DSL

　　11.3 SQL on RDD

　　第三部分

　　12、Spark实时流处理

　　12.1 DStream

　　12.2 transformation

　　12.3 checkpoint

　　12.4 性能优化

　　13、Spark程序的测试

　　13.1 编写可测试的Spark程序

　　13.2 Spark测试框架解析

　　13.3 Spark测试代码实战

　　14、Spark的优化

　　14.1 Logs

　　14.2 并发

　　14.3 内存

　　14.4 垃圾回收

　　14.5 序列化

　　14.6 安全

　　15、Spark on Yarn

　　15.1 Spark on Yarn的架构原理

　　15.2 Spark on Yarn的最佳实践

　　16、JobServer

　　16.1 JobServer的架构设计

　　16.2 JobServer提供的接口

　　16.3 JobServer最佳实践