教程文件目录：
【No0091】2017 Spark 2.0大型项目实战：移动电商app交互式数据分析平台
|-- 098.用户访问session分析-生产环境测试_rec.flv
|-- 097.页面单跳转化率-生产环境测试 _rec.flv
|-- 096.页面单跳转化率-本地测试_rec.flv
|-- 095.页面单跳转化率-将页面切片转化率写入MySQL _rec.flv
|-- 094.页面单跳转化率-计算页面切片的转化率 _rec.flv
|-- 093.页面单跳转化率-计算页面流起始页面的pv_rec.flv
|-- 092.页面单跳转化率-页面切片生成以及页面流匹配算法实现_rec.flv
|-- 091.页面单跳转化率-编写基础代码_rec.flv
|-- 090.页面单跳转化率-需求分析、技术方案设计、数据表设计 _rec.flv
|-- 089.页面单跳转化率-模块介绍_rec.flv
|-- 088.用户访问session分析-数据倾斜解决方案之使用随机数以及扩容表进行join_rec.flv
|-- 087.用户访问session分析-数据倾斜解决方案之sample采样倾斜key单独进行join_rec.flv
|-- 086.用户访问session分析-数据倾斜解决方案之将reduce join转换为map join_rec.flv
|-- 085.用户访问session分析-数据倾斜解决方案之使用随机key实现双重聚合_rec.flv
|-- 084.用户访问session分析-数据倾斜解决方案之提高shuffle操作reduce并行度_rec.flv
|-- 083.用户访问session分析-数据倾斜解决方案之聚合源数据以及过滤导致倾斜的key_rec.flv
|-- 082.用户访问session分析-数据倾斜解决方案之原理以及现象分析_rec.flv
|-- 081.用户访问session分析-troubleshooting之错误的持久化方式以及checkpoint的使用_rec.flv
|-- 080.用户访问session分析-troubleshooting之解决yarn-cluster模式的JVM栈内存溢出问题 _rec.flv
|-- 079.用户访问session分析-troubleshooting之解决yarn-client模式导致的网卡流量激增问题_rec.flv
|-- 078.用户访问session分析-troubleshooting之解决算子函数返回NULL导致的问题 _rec.flv
|-- 077.用户访问session分析-troubleshooting之解决各种序列化导致的报错_rec.flv
|-- 076.用户访问session分析-troubleshooting之解决YARN队列资源不足导致的application直接失败 _rec.flv
|-- 075.用户访问session分析-troubleshooting之解决JVM GC导致的shuffle文件拉取失败 _rec.flv
|-- 074.用户访问session分析-troubleshooting之控制shuffle reduce端缓冲大小以避免OOM _rec.flv
|-- 073.用户访问session分析-算子调优之reduceByKey本地聚合介绍_rec.flv
|-- 072.用户访问session分析-算子调优之使用repartition解决Spark SQL低并行度的性能问题_rec.flv
|-- 071.用户访问session分析-算子调优之使用foreachPartition优化写数据库性能_rec.flv
|-- 070.用户访问session分析-算子调优之filter过后使用coalesce减少分区数量 _rec.flv
|-- 069.用户访问session分析-算子调优之MapPartitions提升Map类操作性能 _rec.flv
|-- 068.用户访问session分析-Shuffle调优之HashShuffleManager与SortShuffleManager_rec.flv
|-- 067.用户访问session分析-Shuffle调优之调节map端内存缓冲与reduce端内存占比 _rec.flv
|-- 066.用户访问session分析-Shuffle调优之合并map端输出文件_rec.flv
|-- 065.用户访问session分析-Shuffle调优之原理概述_rec.flv
|-- 064.用户访问session分析JVM调优之调节executor堆外内存与连接等待时长_rec.flv
|-- 063.用户访问session分析-JVM调优之原理概述以及降低cache操作的内存占比_rec.flv
|-- 062.用户访问session分析-性能调优之在实际项目中调节数据本地化等待时长_rec.flv
|-- 061.用户访问session分析-性能调优之在实际项目中使用fastutil优化数据格式_rec.flv
|-- 060.用户访问session分析-性能调优之在实际项目中使用Kryo序列化 _rec.flv
|-- 059.用户访问session分析-性能调优之在实际项目中广播大变量_rec.flv
|-- 058.用户访问session分析-性能调优之在实际项目中重构RDD架构以及RDD持久化_rec.flv
|-- 057.用户访问session分析-性能调优之在实际项目中调节并行度_rec.flv
|-- 056.用户访问session分析-性能调优之在实际项目中分配更多资源_rec.flv
|-- 055.用户访问session分析-top10活跃session之本地测试以及阶段总结_rec.flv
|-- 054.用户访问session分析-top10活跃session之分组取TopN算法获取top10活跃session_rec.flv
|-- 053.用户访问session分析-top10活跃session之计算top10品类被各sessoin点击的次数_rec.flv
|-- 052.用户访问session分析-top10活跃session之开发准备以及top10品类RDD生成_rec.flv
|-- 051.用户访问session分析-top10热门品类之使用Scala实现二次排序_rec.flv
|-- 050.用户访问session分析-top10热门品类之本地测试_rec.flv
|-- 049.用户访问session分析-top10热门品类之获取top10品类并写入MySQL_rec.flv
|-- 048.用户访问session分析-top10热门品类之进行二次排序_rec.flv
|-- 047.用户访问session分析-top10热门品类之自定义二次排序key_rec.flv
|-- 046.用户访问session分析-top10热门品类之join品类与点击下单支付次数_rec.flv
|-- 045.用户访问session分析-top10热门品类之计算各品类点击、下单和支付的次数_rec.flv
|-- 044.用户访问session分析-top10热门品类之获取session访问过的所有品类_rec.flv
|-- 043.用户访问session分析-top10热门品类之需求回顾以及实现思路分析_rec.flv
|-- 042.用户访问session分析-session随机抽取之本地测试_rec.flv
|-- 041.用户访问session分析-session随机抽取之获取抽取session的明细数据_rec.flv
|-- 040.用户访问session分析-session随机抽取之根据随机索引进行抽取_rec.flv
|-- 039.用户访问session分析-session随机抽取之按时间比例随机抽取算法实现_rec.flv
|-- 038.用户访问session分析-session随机抽取之计算每天每小时session数量_rec.flv
|-- 037.用户访问session分析-session随机抽取之实现思路分析_rec.flv
|-- 036.用户访问session分析-session聚合统计之使用Scala实现自定义Accumulator_rec.flv
|-- 035.用户访问session分析-session聚合统计之本地测试_rec.flv
|-- 034.用户访问session分析-session聚合统计之计算统计结果并写入MySQL_rec.flv
|-- 033.用户访问session分析-session聚合统计之重构过滤进行统计_rec.flv
|-- 032.用户访问session分析-session聚合统计之重构实现思路与重构session聚合_rec.flv
|-- 031.用户访问session分析-session聚合统计之自定义Accumulator_rec.flv
|-- 030.用户访问session分析-按筛选参数对session粒度聚合数据进行过滤_rec.flv
|-- 029.用户访问session分析-按session粒度进行数据聚合_rec.flv
|-- 138.基于Spark 2.0的用户活跃度分析：统计指定注册时间范围内头7天购买金额最高的10个用户_rec.flv
|-- 137.基于Spark 2.0的用户活跃度分析：统计指定注册时间范围内头7天访问次数最高的10个用户 _rec.flv
|-- 136.基于Spark 2.0的用户活跃度分析：统计最近一个周期相比上一个周期购买金额增长最多的10个用户 _rec.flv
|-- 135.基于Spark 2.0的用户活跃度分析：统计最近一个周期相比上一个周期访问次数增长最多的10个用户_rec.flv
|-- 134.统计指定时间内购买金额最多的10个用户_rec.flv
|-- 133.用户活跃度分析：统计指定时间内访问次数最多的10个用户_rec.flv
|-- 132.用户活跃度分析：模块介绍以及交互式用户行为分析系统的解释 _rec.flv
|-- 131.Spark 2.0-开发环境搭建：Eclipse+Maven+Scala+Spark_rec.flv
|-- 130.Spark 2.0-课程环境搭建：虚拟机、CentOS、Hadoop、Spark等_rec.flv
|-- 129.Spark 2.0-Spark 2.x与1.x对比以及分析、学习建议以及使用建议_rec.flv
|-- 128.Spark 2.0-新特性介绍-whole-stage code generation技术和vectorization技术_rec.flv
|-- 127.Spark 2.0-新特性介绍-Spark 1.x的Volcano Iterator Model深度剖析_rec.flv
|-- 126.Spark 2.0-新特性介绍-智能化：Structured Streaming介绍_rec.flv
|-- 125.Spark 2.0-高性能：让Spark作为编译器来运行_rec.flv
|-- 124.Spark+2.0-易用性：标准化SQL支持以及更合理的API_rec.flv
|-- 123.Spark 2.0-新特性介绍 _rec.flv
|-- 122.课程总结-都学到了什么？_rec.flv
|-- 121.广告点击流量实时统计-生产环境测试 _rec.flv
|-- 120.广告点击流量实时统计-对实时计算程序进行性能调优（正确）_rec.flv
|-- 119.广告点击流量实时统计-实现实时计算程序的HA高可用性_rec.flv
|-- 118.广告点击流量实时统计-计算每天各广告最近1小时滑动窗口内的点击趋势_rec.flv
|-- 117.广告点击流量实时统计-计算每天各省的top3热门广告_rec.flv
|-- 116.广告点击流量实时统计-计算每天各省各城市各广告的点击量 _rec.flv
|-- 115.广告点击流量实时统计-基于动态黑名单进行点击行为过滤_rec.flv
|-- 114.广告点击流量实时统计-过滤出每个batch中的黑名单用户以生成动态黑名单_rec.flv
|-- 113.广告点击流量实时统计-使用高性能方式将实时计算结果写入MySQL中_rec.flv
|-- 112.广告点击流量实时统计-为动态黑名单实时计算每天各用户对各广告的点击次数_rec.flv
|-- 111.广告点击流量实时统计-需求分析、技术方案设计以及数据设计_rec.flv
|-- 110.各区域热门商品统计-生产环境测试_rec.flv
|-- 课件文档代码
  |-- 000.软件安装包.rar
  |-- 000.课件文档代码[123-138].rar
  |-- 000.课件、代码、软件包.rar
  |-- 000.课程代码+软件包.rar
  |-- 000.第一次升级软件包+课程代码[113-245].zip