Scala是一門以JVM爲目標運行環境並將面向對象和函數式編程語言的最佳特性結合在一塊兒的編程語言,此課程是大數據框架Spark的前置課程:程序員
1, Spark框架是採用Scala語言編寫的,精緻而優雅。要想成爲Spark高手,你就必須閱讀Spark的源代碼,就必須掌握Scala;數據庫
2, 雖說如今的Spark能夠採用多語言Java、Python等進行應用程序開發,可是最快速的和支持最好的開發API依然並將永遠是Scala方式的API,因此你必須掌握Scala來編寫複雜的和高性能的Spark分佈式程序;編程
培訓對象數組
1, 系統架構師、系統分析師、高級程序員、資深開發人員;瀏覽器
2, 牽涉到大數據處理的數據中心運行、規劃、設計負責人;性能優化
3, 雲計算大數據從業者和Hadoop使用者;閉包
4, 政府機關,金融保險、移動和互聯網等大數據來源單位的負責人;架構
5, 高校、科研院所涉及到大數據與分佈式數據處理的項目負責人;app
6, 數據倉庫管理人員、建模人員,分析和開發人員、系統管理人員、數據庫管理人員以及對數據倉庫感興趣的其餘人員;框架
學員基礎
瞭解面向對象編程;
有Java或者C/C++基礎 會更棒;
王家林老師
Spark亞太研究院院長和首席專家,Spark源碼級專家,對Spark潛心研究(2012年1月起)2年多後,在完成了對Spark的13不一樣版本的源碼的完全研究的同時不斷在實際環境中使用Spark的各類特性的基礎之上,編寫了世界上第一本系統性的Spark書籍並開設了世界上第一個系統性的Spark課程並開設了世界上第一個Spark高端課程(涵蓋Spark內核剖析、源碼解讀、性能優化和商業案例剖析)。Spark源碼研究狂熱愛好者,醉心於Spark的新型大數據處理模式改造和應用。
Hadoop源碼級專家,曾負責某知名公司的類Hadoop框架開發工做,專一於Hadoop一站式解決方案的提供,同時也是雲計算分佈式大數據處理的最先實踐者之一,Hadoop的狂熱愛好者,不斷的在實踐中用Hadoop解決不一樣領域的大數據的高效處理和存儲,如今正負責Hadoop在搜索引擎中的研發等,著有《雲計算分佈式大數據Hadoop實戰高手之路---從零開始》《雲計算分佈式大數據Hadoop實戰高手之路---高手崛起》《雲計算分佈式大數據Hadoop。實戰高手之路---高手之巔》等;
Android架構師、高級工程師、諮詢顧問、培訓專家;
通曉Android、HTML五、Hadoop,迷戀英語播音和健美;
致力於Android、HTML五、Hadoop的軟、硬、雲整合的一站式解決方案;
國內最先(2007年)從事於Android系統移植、軟硬整合、框架修改、應用程序軟件開發以及Android系統測試和應用軟件測試的技術專家和技術創業人員之一。
HTML5技術領域的最先實踐者(2009年)之一,成功爲多個機構實現多款自定義HTML5瀏覽器,參與某知名的HTML5瀏覽器研發;
超過10IT暢銷書做者
聯繫郵箱:18610086859@126.com
聯繫電話:18610086859
培訓內容
第一天 |
第1堂課:Scala動手實戰入門 1.1 安裝Scala開發環境 1.2 Scala經常使用類型介紹 1.3 動手體驗值與變量的聲明 1.4 動手體驗Scala函數與方法的定義和使用 1.5 動手編寫條件表達式 1.6 循環表達式與For循環的使用
第2堂課:Scala實戰入門進階 2.1 默認參數、帶名參數及變長參數 2.2 lazy值 2.3 異常處理 2.4 數組 2.5 Map操做
第3堂課:Scala面向對象入門實戰 3.1 類的定義:屬性與方法 3.2 不一樣的構造器 3.3 object對象 3.4 apply方法 3.5 方法重寫與字段重寫
第4堂課:Scala面向對象進階實戰 4.1 抽象類 4.2 trait 4.3 包的定義與使用 4.4 包對象定義與使用 4.5 文件訪問 |
|
時間 |
內 容 |
備註 |
次日 |
第5堂課:Scala函數式編程入門實戰 5.1 函數的定義 5.2 值函數 5.3 匿名函數 5.4 閉包 5.5 SAM與Curry 5.6 高階函數示例
第6堂課:Scala函數式編程進階實戰 6.1 集合 6.2 序列 6.3 可變列表與不可變列表 6.4 集合操做 6.5 case class 6.6 模式匹配
第7堂課:Scala高級特性實戰 7.1 泛型類 7.2 泛型函數 7.3 Lower bounds 與 Upper bounds 7.4 View bounds 7.5Context bounds 7.6 協變與逆變 7.7 隱式轉換 7.8 隱式參數 7.9 隱式類
第8堂課:Scala的Actor 8.1 建立actor 8.2 actor的消息機制 8.3 共享線程 8.4 多個actor協同工做 8.5 actor使用最佳實踐 |