Spark是發源于美國加州大學伯克利分校AMPLab的集群計算平臺，它立足于內存計算，性能超過Hadoop百倍，從多迭代批量處理出發，兼收并蓄數據倉庫、流處理和圖計算等多種計算范式，是罕見的全能選手。Spark采用一個統一的技術堆棧解決了云計算大數據的如流處理、圖技術、機器學習、NoSQL查詢等方面的所有核心問題，具有完善的生態系統，這直接奠定了其一統云計算大數據領域的霸主地位。
伴隨Spark技術的普及推廣，對專業人才的需求日益增加。Spark專業人才在未來也是炙手可熱，輕而易舉可以拿到百萬的薪酬。而要想成為Spark高手，也需要一招一式，從內功練起：通常來講需要經歷以下階段：
第一階段：熟練的掌握Scala語言
Spark框架是采用Scala語言編寫的，精致而優雅。要想成為Spark高手，你就必須閱讀Spark的源代碼，就必須掌握Scala，；
雖然說現在的Spark可以采用多語言Java、Python等進行應用程序開發，但是最快速的和支持最好的開發API依然并將永遠是Scala方式的API，所以你必須掌握Scala來編寫復雜的和高性能的Spark分布式程序；
尤其要熟練掌握Scala的trait、apply、函數式編程、泛型、逆變與協變等；
第二階段：精通Spark平臺本身提供給開發者API
掌握Spark中面向RDD的開發模式，掌握各種transformation和action函數的使用；
掌握Spark中的寬依賴和窄依賴以及lineage機制；
掌握RDD的計算流程，例如Stage的劃分、Spark應用程序提交給集群的基本過程和Worker節點基礎的工作原理等
第三階段：深入Spark內核
此階段主要是通過Spark框架的源碼研讀來深入Spark內核部分：
通過源碼掌握Spark的任務提交過程；
通過源碼掌握Spark集群的任務調度；
尤其要精通DAGScheduler、TaskScheduler和Worker節點內部的工作的每一步的細節；
第四階級：掌握基于Spark上的核心框架的使用
Spark作為云計算大數據時代的集大成者，在實時流處理、圖技術、機器學習、NoSQL查詢等方面具有顯著的優勢，我們使用Spark的時候大部分時間都是在使用其上的框架例如Shark、Spark Streaming等：
Spark Streaming是非常出色的實時流處理框架，要掌握其DStream、transformation和checkpoint等；
Spark的離線統計分析功能，Spark 1.0.0版本在Shark的基礎上推出了Spark SQL，離線統計分析的功能的效率有顯著的提升，需要重點掌握；
對于Spark的機器學習和GraphX等要掌握其原理和用法；
第五階級：做商業級別的Spark項目
通過一個完整的具有代表性的Spark項目來貫穿Spark的方方面面，包括項目的架構設計、用到的技術的剖析、開發實現、運維等，完整掌握其中的每一個階段和細節，這樣就可以讓您以后可以從容面對絕大多數Spark項目。
第六階級：提供Spark解決方案
徹底掌握Spark框架源碼的每一個細節；
根據不同的業務場景的需要提供Spark在不同場景的下的解決方案；
根據實際需要，在Spark框架基礎上進行二次開發，打造自己的Spark框架；
前面所述的成為Spark高手的六個階段中的第一和第二個階段可以通過自學逐步完成，隨后的三個階段最好是由高手或者專家的指引下一步步完成，最后一個階段，基本上就是到"無招勝有招"的時期，很多東西要用心領悟才能完成。
針對Spark人員的培養，目前國內的專業機構，大多還是在Android和Hadoop方向上提供相關的課程及訓練。Spark亞太研究院，作為國內首家Spark技術研究及推廣機構，在幫助企業規劃、部署、開發、培訓和使用Spark為核心，同時提供Spark源碼研究和應用技術訓練。在完成了對Spark源碼的徹底研究的同時不斷在實際環境中使用Spark的各種特性的基礎之上，Spark亞太研究院推出了國內首個Spark訓練體系：《18小時內掌握Spark》、《Spark企業級開發最佳實踐》、《精通Spark：Spark內核剖析、源碼解讀、性能優化和商業案例實戰》、《Spark 1.0.0企業級開發動手》、《Spark架構案例鑒賞》、《精通Spark的開發語言：Scala最佳實踐》， 幫助學習者，通過上述幾個階段的培養，逐步精通spark技術。
京公網安備 11010502049343號