零基础学习Spark 1.x应用开发系列课程 Spark 精华培训视频教程 38讲视频+企业培训PDF

这套资料的主体是 38 讲视频，加上一份企业培训用的 PDF。它的定位很明确：面向完全没有 Spark 基础、但已经会一点编程或数据操作的人，把 1.x 版本的运行模型和开发方式讲清楚。放在今天看，Spark 1.x 当然不是新东西，可是这套课的价值恰恰不在"新"，而在于它把 Spark 最核心的那套抽象——RDD、算子、宽窄依赖、Shuffle、Stage 划分——讲得比较完整，而这些概念在 2.x、3.x 里并没有被推翻，只是上层多了 DataFrame 和 Dataset。所以你如果是奔着"搞懂 Spark 到底怎么跑起来"去的，这份资料的含金量比它的年份看起来要高。

课纲的重心：算子模型与运行机制

38 讲的篇幅不算长，属于典型的浓缩型培训结构。前半段铺概念：集群角色、部署模式、交互式 shell 的使用方式，让你先把环境跑通、能敲进去几行代码看到结果。中段进入真正的干货区，也就是 RDD 的转换与行动算子，这一步决定了你后面写 Spark 代码是"能跑"还是"跑得快"。后段会落到共享变量、持久化策略、以及一个完整的开发案例。

这类课最怕的是只讲 API 不讲为什么，判断它值不值得精看，你就盯两个地方：一是 Shuffle 到底在哪些算子后面发生，二是 DAG 是怎么切成 Stage 的。这两块讲透了，后面你看任何 Spark 作业的卡顿，心里都有个排查方向。

值得反复看的章节

• RDD 依赖关系与 Stage 划分：宽依赖窄依赖的判断是面试高频，也是调优的起点，值得逐帧看、自己画一遍。
• 持久化与缓存策略：什么时候该 cache、用什么级别，课上讲的场景比背结论有用。
• 共享变量：广播变量和累加器的适用边界，很多人写 Spark 出错就出在这里。
• 完整案例那一讲：看它怎么从需求拆到算子，再拆到提交参数，这是把零散知识串起来的一节。

相反，环境搭建和 shell 演示那几讲，如果你本地或集群已经能跑，可以倍速过，不必纠结。

企业培训 PDF 怎么用

视频是线性的，PDF 更适合当检索工具。它通常把概念、算子清单、参数说明压成了条目式内容，正确用法不是从头读一遍，而是：先看视频建立理解，遇到记不清的算子或配置项，回到 PDF 里查。把它当成一份自建的速查表来用，效率比顺序阅读高得多。如果 PDF 里有练习题或配置示例，那部分优先做，比看讲解更能暴露你没搞懂的地方。

学之前要知道的两件事

第一，版本。1.x 的 API 和现在有差异，DataFrame 相关的内容它讲得少，你学完之后要主动补一下 2.x 之后的 Dataset / Spark SQL，否则简历上写"会 Spark"会被追问穿。第二，这门课偏开发侧，不偏向集群运维和调优实战，如果你想要的是大规模作业调优、内存模型那类深水区内容，这套只能算入门跳板，后面还得再找资料。

适合的人群很清晰：有一点 Scala 或 Java 基础，想快速把 Spark 的核心模型吃透；或者准备面试、需要一个结构完整的复习框架。不适合已经写过生产 Spark 作业的人，你会觉得节奏偏慢。建议的用法是视频看一遍、动手敲一遍、然后逼自己写一份"从 RDD 到 Stage"的笔记，这份笔记本身就是你后面面试和调优时最值钱的东西。