spark是发源于美国加州大学伯克利分校amplab的集群计算平台，它立足于内存计算，性能超过hadoop百倍，从多迭代批量处理出发，兼收并蓄数据仓库、流处理和图计算等多种计算范式，是罕见的全能选手。spark采用一个统一的技术堆栈解决了云计算大数据的如流处理、图技术、机器学习、nosql查询等方面的所有核心问题，具有完善的生态系统，这直接奠定了其一统云计算大数据领域的霸主地位。
伴随spark技术的普及推广，对专业人才的需求日益增加。spark专业人才在未来也是炙手可热，轻而易举可以拿到百万的薪酬。而要想成为spark高手，也需要一招一式，从内功练起：通常来讲需要经历以下阶段：
*一阶段：熟练的掌握scala语言1，spark框架是采用scala语言编写的，精致而优雅。要想成为spark高手，你就必须阅读spark的源代码，就必须掌握scala,;
2， 虽然说现在的spark可以采用多语言java、python等进行应用程序开发，但是最快速的和支持最好的开发api依然并将永远是scala方式的api，所以你必须掌握scala来编写复杂的和高性能的spark分布式程序;
3， 尤其要熟练掌握scala的trait、apply、函数式编程、泛型、逆变与协变等;
第二阶段：精通spark平台本身提供给开发者api1， 掌握spark中面向rdd的开发模式，掌握各种transformation和action函数的使用;
2， 掌握spark中的宽依赖和窄依赖以及lineage机制;
3， 掌握rdd的计算流程，例如stage的划分、spark应用程序提交给集群的基本过程和worker节点基础的工作原理等
第三阶段：深入spark内核此阶段主要是通过spark框架的源码研读来深入spark内核部分：
1， 通过源码掌握spark的任务提交过程;
2， 通过源码掌握spark集群的任务调度;
3， 尤其要精通dagscheduler、taskscheduler和worker节点内部的工作的每一步的细节;
第四阶级:掌握基于spark上的核心框架的使用spark作为云计算大数据时代的集大成者，在实时流处理、图技术、机器学习、nosql查询等方面具有显著的优势，我们使用spark的时候大部分时间都是在使用其上的框架例如shark、spark streaming等：
1， spark streaming是非常出色的实时流处理框架，要掌握其dstream、transformation和checkpoint等;
2， spark的离线统计分析功能，spark 1.0.0版本在shark的基础上推出了spark sql，离线统计分析的功能的效率有显著的提升，需要重点掌握;
3， 对于spark的机器学习和graphx等要掌握其原理和用法;
第五阶级:做商业级别的spark项目通过一个完整的具有代表性的spark项目来贯穿spark的方方面面，包括项目的架构设计、用到的技术的剖析、开发实现、运维等，完整掌握其中的每一个阶段和细节，这样就可以让您以后可以从容面对绝大多数spark项目。
第六阶级：提供spark解决方案1， 彻底掌握spark框架源码的每一个细节;
2， 根据不同的业务场景的需要提供spark在不同场景的下的解决方案;
3， 根据实际需要，在spark框架基础上进行二次开发，打造自己的spark框架;
前面所述的成为spark高手的六个阶段中的*一和第二个阶段可以通过自学逐步完成，随后的三个阶段最好是由高手或者专家的指引下一步步完成，最后一个阶段，基本上就是到”无招胜有招”的时期，很多东西要用心领悟才能完成。

---

成都科多大数据科技有限公司
18428357207