Анализ данных с помощью современного Apache Spark
8-дневный курс обучения по использованию распределенной платформы Apache Spark для работы с большими массивами данных, в том числе — неструктурированных и потоковой обработки информации.
Вы пройдете путь от основ архитектуры Spark до работы с продвинутыми компонентами, такими как GraphX, ML, Structured Streaming и Delta Lake. Программа охватывает как классические подходы (RDD, DataFrames, Spark SQL), так и актуальные тренды: интеграцию с Kubernetes, pandas API в Spark и управление данными через Delta Lake.
| Код курса | Даты начала курса | Стоимость обучения | Длительность обучения | Формат обучения |
|---|---|---|---|---|
| SPARK | 12 мая 2025 04 августа 2025 |
96 000 руб. | 32 ак.часов Количество дней: 8 |
Дистанционный |
| Регистрация | ||||
О продукте
Apache Spark — это Big Data фреймворк с открытым исходным кодом для распределённой пакетной и потоковой обработки данных (в том числе неструктурированных и слабоструктурированных), входящий в экосистему проектов Hadoop.
Spark состоит из следующих компонентов:
- Ядро (Core Spark), включающее Spark SQL — возможность аналитической обработки данных с помощью SQL-запросов;
- Streaming — надстройка для обработки потоковых данных;
- ML — набор библиотек для подготовки данных и машинного обучения (Machine Learning);
- GraphX — модуль распределённой обработки графов.
Благодаря такому разнообразию инструментов интерактивной аналитики данных, Спарк активно используется в системах интернета вещей (IoT/IIoT), а также в различных бизнес-приложениях, в т.ч. для машинного обучения. Например, для прогнозирования оттока клиентов и оценки финансовых рисков.
Современный Apache Spark может работать как в среде кластера Hadoop под управлением YARN, так и без компонентов ядра Hadoop, в частности, с использованием Kubernetes в качестве системы управления кластером. Спарк поддерживает несколько популярных распределённых систем хранения данных (HDFS и совместимые с HDFS файловые системы, объектное хранилище Amazon S3), а также может работать с Delta Lake. Apache Spark предоставляет языковые API для часто используемых в области Big Data языков программирования: Java, Scala, Python и R, в современных версиях добавлен Pandas API, возможность работы со Spark Connect, полезная при использовании территориально или сетево удаленных кластеров. Во время курса мы подробно разберем эти и другие особенности современного Apache Spark.
Аудитория
- Data Engineers и аналитики, работающие с большими данными.
- Разработчики, желающие создавать масштабируемые ETL-процессы и ML-модели.
- Архитекторы, планирующие внедрение Spark в облачные среды (Kubernetes)
Уровень подготовки
- Знание базовых команд Linux (опыт работы с командной строкой, файловой системой, POSIX)
- Начальный опыт программирования (Python)
- Начальный опыт в экосистеме Hadoop
О курсе
Курс обучения содержит теоретический минимум, необходимый для эффективного использования всех компонентов Apache Spark: от основ RDD до современных инструментов (Delta Lake, Spark on Kubernetes).
Практическая часть включает запуск и настройку компонентов, работу в среде Jupyter Notebook, прикладное использование Спарк для разработки собственных распределенных приложений пакетной и потоковой обработки информации и анализа больших данных.
Программа курса «Анализ данных с помощью современного Apache Spark»
1. Обзор Apache Spark
-
- Архитектура Spark. Обзор компонентов Spark и их назначения
2. Основные абстракции Apache Spark
-
- Трансформации и действия, Lazy Evaluation
3. Знакомство с Dataframes
-
- Structured API и основная абстракция Spark – Dataframe
4. Знакомство со Spark RDD
-
- Low Level API, использование Resilient Distributed Dataset
5. Apache Spark SQL
-
- Получение данных из SQL-источников и обработка данных с помощью Spark SQL
- Отправка данных в SQL СУБД и работа с Hive QL
- Spark SQL и Hadoop
6. Работа с источниками данных
-
- Ввод и вывод в Apache Spark
- Работа с файлами и базами данных
7. Производительность и параллелизм в Apache Spark
-
- Планы выполнения запроса: логические и физические
8. Конфигурирование Apache Spark
-
- Принципы конфигурирования и основные настройки
9. Spark Streaming и Structured Streaming
-
- Виды потоковой обработки в Apache Spark
- Особенности исполнения streaming кода
- Checkpoint в Spark Streaming
10. GraphX и ML
-
- Место и особенности графовых моделей в программировании
- Задачи машинного обучения и проблематика больших данных
- Основные возможности Spark ML
11. Обработка слабоструктурированных данных
-
- Работа с JSON и XML файлами, особенности и возможности
12. Современный Spark
-
- pandas API в spark
- Spark Connect: долгоживущие сессии
- Spark on Kubernetes (будущее в настоящем)
- Delta Lake — технологическая основа LakeHouse
Отправить ссылку на e-mail:
Чему Вы научитесь
- Эффективно обрабатывать данные любого объема и формата (структурированные, потоковые, графовые);
- Понимать особенности использования RDD и dataframe;
- Настраивать и оптимизировать Spark-приложения для production-сред
- Использовать Spark Streaming для создания распределенных приложений потоковой обработки больших данных;
- Использовать Spark для машинного обучения и интеграции с облачными платформами;
- обрабатывать слабоструктурированные данные, представленные в форматах JSON или XML;
- Работать с современными инструментами экосистемы, включая Delta Lake и Kubernetes.
Что Вы получите
Окончив курс «Анализ данных с помощью современного Apache Spark» в нашем лицензированном учебном центре «Школа Больших Данных», вы получите удостоверение о повышении квалификации установленного образца.
Кто проводит курс
- Сертифицированный разработчик Spark и Hadoop (CCA Cloudera)
- Сертифицированный разработчик (Cloudera Certified Professional Data Engineer)
- Построение корпоративных хранилищ и озер данных (Cloudera CDH, Arenadata Hadoop, Arenadata DB)
- Организация ETL-конвейеров (Airflow, Spark, Flink, Trino)
- Обработка потоковых данных (Kafka, Kafka Streams, Flink)
- Поддержка и развитие инфраструктуры больших данных
Отзывы наших клиентов о курсе
Чтобы записаться на курс SPARK: Анализ данных с помощью современного Apache Spark позвоните нам по телефону +7 (495) 414-11-21 или заполните форму регистрации ниже.