——/计算机教程/02极客时间/100090001-专栏课-吴磊-零基础入门 Spark（完结）/
├──01-开篇词(1讲)  
|   ├──开篇词丨入门Spark，你需要学会“三步走”.html  3.21M
|   ├──开篇词丨入门Spark，你需要学会“三步走”.m4a  12.37M
|   └──开篇词丨入门Spark，你需要学会“三步走”.pdf  3.53M
├──02-基础知识(1讲)  
|   ├──01丨Spark：从“大数据的HelloWorld”开始.html  4.82M
|   ├──01丨Spark：从“大数据的HelloWorld”开始.m4a  14.48M
|   ├──01丨Spark：从“大数据的HelloWorld”开始.pdf  4.97M
|   ├──02丨RDD与编程模型：延迟计算是怎么回事？.html  2.63M
|   ├──02丨RDD与编程模型：延迟计算是怎么回事？.m4a  13.81M
|   ├──02丨RDD与编程模型：延迟计算是怎么回事？.pdf  4.03M
|   ├──03丨RDD常用算子（一）：RDD内部的数据转换.html  2.47M
|   ├──03丨RDD常用算子（一）：RDD内部的数据转换.m4a  15.87M
|   ├──03丨RDD常用算子（一）：RDD内部的数据转换.pdf  3.65M
|   ├──04丨进程模型与分布式部署：分布式计算是怎么回事？.html  2.51M
|   ├──04丨进程模型与分布式部署：分布式计算是怎么回事？.m4a  13.54M
|   ├──04丨进程模型与分布式部署：分布式计算是怎么回事？.pdf  3.41M
|   ├──05丨调度系统：DAG、Stages与分布式任务.html  3.08M
|   ├──05丨调度系统：DAG、Stages与分布式任务.m4a  18.67M
|   ├──05丨调度系统：DAG、Stages与分布式任务.pdf  5.19M
|   ├──06丨Shuffle管理：为什么Shuffle是性能瓶颈？.html  2.38M
|   ├──06丨Shuffle管理：为什么Shuffle是性能瓶颈？.m4a  14.41M
|   ├──06丨Shuffle管理：为什么Shuffle是性能瓶颈？.pdf  3.73M
|   ├──07丨RDD常用算子（二）：Spark如何实现数据聚合？.html  2.50M
|   ├──07丨RDD常用算子（二）：Spark如何实现数据聚合？.m4a  13.55M
|   ├──07丨RDD常用算子（二）：Spark如何实现数据聚合？.pdf  4.11M
|   ├──08丨内存管理：Spark如何使用内存？.html  3.04M
|   ├──08丨内存管理：Spark如何使用内存？.m4a  13.43M
|   ├──08丨内存管理：Spark如何使用内存？.pdf  4.24M
|   ├──09丨RDD常用算子（三）：数据的准备、重分布与持久化.html  2.81M
|   ├──09丨RDD常用算子（三）：数据的准备、重分布与持久化.m4a  16.93M
|   ├──09丨RDD常用算子（三）：数据的准备、重分布与持久化.pdf  4.42M
|   ├──10丨广播变量&累加器：共享变量是用来做什么的？.m4a  11.77M
|   ├──10丨广播变量-累加器：共享变量是用来做什么的？.html  2.04M
|   ├──10丨广播变量-累加器：共享变量是用来做什么的？.pdf  2.73M
|   ├──11丨存储系统：数据到底都存哪儿了？.html  2.86M
|   ├──11丨存储系统：数据到底都存哪儿了？.m4a  10.79M
|   ├──11丨存储系统：数据到底都存哪儿了？.pdf  5.19M
|   ├──12丨基础配置详解：有哪些配置项是你必须要关注的？.html  2.13M
|   ├──12丨基础配置详解：有哪些配置项是你必须要关注的？.m4a  15.29M
|   └──12丨基础配置详解：有哪些配置项是你必须要关注的？.pdf  2.43M
├──03-Spark SQL (4讲)  
|   ├──13丨让我们从《小汽车摇号分析》开始.html  2.89M
|   ├──13丨让我们从《小汽车摇号分析》开始.m4a  12.60M
|   ├──13丨让我们从《小汽车摇号分析》开始.pdf  4.40M
|   ├──14丨DataFrame与SparkSQL的由来.html  3.44M
|   ├──14丨DataFrame与SparkSQL的由来.m4a  14.88M
|   ├──14丨DataFrame与SparkSQL的由来.pdf  5.70M
|   ├──15丨数据源与数据格式：DataFrame从何而来？.html  3.11M
|   ├──15丨数据源与数据格式：DataFrame从何而来？.m4a  18.06M
|   ├──15丨数据源与数据格式：DataFrame从何而来？.pdf  4.46M
|   ├──16丨数据转换：如何在DataFrame之上做数据处理？.html  3.35M
|   ├──16丨数据转换：如何在DataFrame之上做数据处理？.m4a  17.13M
|   ├──16丨数据转换：如何在DataFrame之上做数据处理？.pdf  4.52M
|   ├──17丨数据关联：不同的关联形式与实现机制该怎么选？.html  2.49M
|   ├──17丨数据关联：不同的关联形式与实现机制该怎么选？.m4a  14.48M
|   ├──17丨数据关联：不同的关联形式与实现机制该怎么选？.pdf  3.66M
|   ├──18丨数据关联优化：都有哪些Join策略，开发者该如何取舍？.html  3.14M
|   ├──18丨数据关联优化：都有哪些Join策略，开发者该如何取舍？.m4a  12.28M
|   ├──18丨数据关联优化：都有哪些Join策略，开发者该如何取舍？.pdf  4.18M
|   ├──19丨配置项详解：哪些参数会影响应用程序执行性能？.html  3.61M
|   ├──19丨配置项详解：哪些参数会影响应用程序执行性能？.m4a  14.33M
|   ├──19丨配置项详解：哪些参数会影响应用程序执行性能？.pdf  3.73M
|   ├──20丨Hive+Spark强强联合：分布式数仓的不二之选.html  3.34M
|   ├──20丨Hive+Spark强强联合：分布式数仓的不二之选.m4a  17.36M
|   ├──20丨Hive+Spark强强联合：分布式数仓的不二之选.pdf  4.99M
|   ├──21丨SparkUI（上）：如何高效地定位性能问题？.html  5.55M
|   ├──21丨SparkUI（上）：如何高效地定位性能问题？.m4a  11.45M
|   ├──21丨SparkUI（上）：如何高效地定位性能问题？.pdf  6.46M
|   ├──22丨SparkUI（下）：如何高效地定位性能问题？.html  5.78M
|   ├──22丨SparkUI（下）：如何高效地定位性能问题？.m4a  13.07M
|   └──22丨SparkUI（下）：如何高效地定位性能问题？.pdf  6.61M
├──04-SparkMLlib(2讲)  
|   ├──23丨SparkMLlib：从“房价预测”开始.html  3.16M
|   ├──23丨SparkMLlib：从“房价预测”开始.m4a  14.82M
|   ├──23丨SparkMLlib：从“房价预测”开始.pdf  4.80M
|   ├──24丨特征工程（上）：有哪些常用的特征处理函数？.html  3.72M
|   ├──24丨特征工程（上）：有哪些常用的特征处理函数？.m4a  15.84M
|   ├──24丨特征工程（上）：有哪些常用的特征处理函数？.pdf  4.63M
|   ├──25丨特征工程（下）：有哪些常用的特征处理函数？.html  3.06M
|   ├──25丨特征工程（下）：有哪些常用的特征处理函数？.m4a  11.64M
|   ├──25丨特征工程（下）：有哪些常用的特征处理函数？.pdf  5.21M
|   ├──26丨模型训练（上）：决策树系列算法详解.html  2.41M
|   ├──26丨模型训练（上）：决策树系列算法详解.m4a  11.77M
|   ├──26丨模型训练（上）：决策树系列算法详解.pdf  4.73M
|   ├──27丨模型训练（中）：回归、分类和聚类算法详解.html  2.41M
|   ├──27丨模型训练（中）：回归、分类和聚类算法详解.m4a  10.44M
|   ├──27丨模型训练（中）：回归、分类和聚类算法详解.pdf  3.79M
|   ├──28丨模型训练（下）：协同过滤与频繁项集算法详解.html  2.72M
|   ├──28丨模型训练（下）：协同过滤与频繁项集算法详解.m4a  10.26M
|   ├──28丨模型训练（下）：协同过滤与频繁项集算法详解.pdf  4.34M
|   ├──29丨SparkMLlibPipeline：高效开发机器学习应用.html  2.19M
|   ├──29丨SparkMLlibPipeline：高效开发机器学习应用.m4a  12.80M
|   └──29丨SparkMLlibPipeline：高效开发机器学习应用.pdf  2.06M
├──05-特别放送(1讲)  
|   ├──用户故事丨小王：保持空杯心态，不做井底之蛙.html  4.78M
|   ├──用户故事丨小王：保持空杯心态，不做井底之蛙.m4a  6.24M
|   └──用户故事丨小王：保持空杯心态，不做井底之蛙.pdf  12.05M
├──06-StructuredStreaming(1讲)  
|   ├──30丨StructuredStreaming：从“流动的WordCount”开始.html  3.31M
|   ├──30丨StructuredStreaming：从“流动的WordCount”开始.m4a  11.57M
|   ├──30丨StructuredStreaming：从“流动的WordCount”开始.pdf  4.01M
|   ├──31丨新一代流处理框架：Batchmode和Continuousmode哪家强？.html  3.70M
|   ├──31丨新一代流处理框架：Batchmode和Continuousmode哪家强？.m4a  11.03M
|   ├──31丨新一代流处理框架：Batchmode和Continuousmode哪家强？.pdf  5.17M
|   ├──32丨Window操作&Watermark：流处理引擎提供了哪些优秀机制？.html  2.97M
|   ├──32丨Window操作&Watermark：流处理引擎提供了哪些优秀机制？.m4a  13.20M
|   ├──32丨Window操作&Watermark：流处理引擎提供了哪些优秀机制？.pdf  4.73M
|   ├──33丨流计算中的数据关联：流与流、流与批.html  1.95M
|   ├──33丨流计算中的数据关联：流与流、流与批.m4a  13.56M
|   ├──33丨流计算中的数据关联：流与流、流与批.pdf  2.85M
|   ├──34丨Spark+Kafka：流计算中的“万金油”.html  2.49M
|   ├──34丨Spark+Kafka：流计算中的“万金油”.m4a  13.21M
|   └──34丨Spark+Kafka：流计算中的“万金油”.pdf  4.08M
├──08-特别放送(1讲)  
|   ├──用户故事丨小王：保持空杯心态，不做井底之蛙.html  4.03M
|   ├──用户故事丨小王：保持空杯心态，不做井底之蛙.m4a  6.24M
|   └──用户故事丨小王：保持空杯心态，不做井底之蛙.pdf  11.94M
└──09-结束语(2讲)  
|   ├──结束语丨进入时间裂缝，持续学习.html  2.52M
|   ├──结束语丨进入时间裂缝，持续学习.m4a  6.60M
|   └──结束语丨进入时间裂缝，持续学习.pdf  3.87M