苏州Apache Spark培训

本课程为讲师指导的培训，在苏州（线上或线下）进行，面向希望使用Google Colab和Apache Spark进行大数据处理和分析的中级数据科学家和工程师。

通过本课程，学员将能够：

• 使用Google Colab和Spark搭建大数据环境。
• 利用Apache Spark高效处理和分析大型数据集。
• 在协作环境中可视化大数据。
• 将Apache Spark与基于云的工具集成。

本线上或线下讲师主导培训在 苏州 中涵盖Stratio平台，重点介绍结合PySpark的Rocket和Intelligence模块。学员将掌握数据摄取、转换和高级分析，获得在循环、UDF和企业数据工作流方面的实用技能。

这种以讲师为主导的苏州现场培训（现场或远程）针对希望使用和集成Spark，Hadoop和Python以处理，分析和转换大型复杂数据集的开发人员。

在培训结束时，参与者将能够：

• 设置必要的环境以开始使用 Spark、Hadoop 和 Python 处理大数据。
• 了解 Spark 和 Hadoop 的功能、核心组件和架构。
• 了解如何集成 Spark、Hadoop 和 Python 进行大数据处理。
• 探索 Spark 生态系统中的工具（Spark MlLib、Spark Streaming、Kafka、Sqoop、Kafka 和 Flume）。
• 构建类似于 Netflix、YouTube、Amazon、Spotify 和 Google 的协作过滤推荐系统。
• 使用 Apache Mahout 扩展机器学习算法。

本培训为讲师主导的直播培训，在 苏州 进行，支持线上或线下模式。培训面向初学者至中级水平的系统管理员，旨在帮助大家部署、维护和优化 Spark 集群。

完成本培训后，参与者将能够：

• 在各类环境中安装和配置 Apache Spark。
• 管理集群资源，并监控 Spark 应用程序。
• 优化 Spark 集群的性能。
• 实施安全措施，确保系统高可用性。
• 调试并排查常见的 Spark 问题。

在这门位于 苏州 的讲师带领的线下培训中，学员将通过动手练习，学习如何结合Python和Spark来分析大数据。

完成培训后，学员将能够：

• 学习使用Spark和Python分析大数据。
• 完成模拟真实场景的练习。
• 使用PySpark的不同工具和技术进行大数据分析。

本次由讲师主导的实时培训（线上或线下）面向希望使用Databricks和PySpark构建可扩展数据管道并迁移现有SQL工作流的data engineers、data analysts以及data professionals。

本培训提供了一个实用的入门指南，介绍如何使用PySpark构建可扩展的数据处理和机器学习工作流。参与者将学习Apache Spark在现代大数据生态系统中的运作方式，以及如何利用分布式计算原理高效处理大规模数据集。

This three-day practical course focuses on building and optimising efficient data-processing workloads using PySpark, Pandas and Polars in Kubernetes-based environments.

Participants will develop a practical understanding of how Spark applications execute on Kubernetes and how application-level configuration decisions influence performance, scalability, resource consumption and cost. The course covers key optimisation areas including executor sizing, memory allocation, dynamic allocation, partitioning strategies, shuffle behaviour, small-file problems and efficient Parquet processing.

The course also addresses common challenges when working with Pandas, including memory limitations and out-of-memory failures, and introduces Polars as a high-performance alternative for selected data-processing workloads. Through hands-on exercises, participants will diagnose performance and memory issues, compare different configuration strategies and apply optimisation techniques to realistic ETL and machine learning scenarios.

The emphasis throughout the course is on practical decision-making: understanding how to identify bottlenecks, select the appropriate tool, configure Spark efficiently and balance performance with infrastructure resource consumption and cost.

这种以讲师为主导的苏州现场培训（现场或远程）针对的是希望建立和部署Apache Spark系统以处理大量数据的工程师。

在培训结束时，参与者将能够：

• 安装和配置 Apache Spark。
• 快速处理和分析非常大的数据集。
• 了解Apache Spark和Hadoop MapReduce之间的区别，以及何时使用哪个。
• 将 Apache Spark 与其他机器学习工具集成。