先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

3.1 了解stage 3.2 关于stage我们需要知道的小知识 3.2.1 有的stage名叫Listing leaf files and directories for xxx paths 3.2.2 有的stage会显示xxtask failed，代表什么意思呢，为什么task失败stage不会失败呢 3.2.3 为什么一般spill disk要小于spill memory 3.2.4 为什么要序列化 3.2.5 为什么tasks中有些 index 相同 3.2.6 为什么Spill (memory)/(disk)大量溢出，怎么优化 四、Storage 4.1 了解Storage 4.2 关于stage我们需要知道的小知识 4.2.1 StorageLevel都有哪些 4.2.2 ache table有什么用，和broadcast有什么关系或者区别吗 五、Environment 5.1 了解environment 5.2 常用参数 5.2.1 executor申请&并行度 5.2.2 内存分配 5.2.3 文件输入输出与合并 5.2.4 mapjoin 5.2.5 shuffle阶段 5.2.6 推测执行 5.2.7 谓词下推 六、Executors 6.1 了解 executors 6.2 关于 executors 我们需要知道的小知识 6.2.1 executor和driver到底是什么东西？ 6.2.2 2.storage memory中的总内存数代表什么意思 七、SQL 7.1 了解 sql 7.2 关于 sql 我们需要知道的小知识 7.2.1 可以判断join的方式，是SortMergeJoin还是broadcast join 7.2.2 判断各类操作下，有没有数据和时间倾斜 7.2.3 怀疑有数据膨胀时，可以定位分析 7.2.4 检查分区过滤条件是否生效 八、Debug 九、Streming

前言

日常工作中经常用到sparkui来排查一些问题，有些东西需要经常搜索，网上的文章有写的很棒的，也有写的一言难尽的，这里参考了其他大佬的文章