课程主页: https://www.coursera.org/learn/spark-sql
在当今数据时代，掌握大数据处理的能力是非常重要的。而Coursera的”分布式计算与Spark SQL”课程正是面向拥有SQL经验的学生，帮助他们进一步深入数据分析的无限可能。课程通过深入讲解Apache Spark这一开放源码标准，帮助学员获得对大规模数据集处理的理解。
在课程的第一部分，学员将了解Spark的核心概念，能够识别何时何地应用分布式计算的基本原理。通过使用Databricks工作区，学生将学习如何编写可以在计算机集群上执行的SQL代码，从而为之后的分析打下基础。
接下来的模块将让学生深入掌握Spark的核心概念，包括数据缓存、Spark配置的修改以及使用Spark UI分析性能和识别瓶颈。这样的知识不仅可以提升查询性能，更能帮助学员优化查询，提升数据处理效率。
进入数据应用的工程模块后，学生将能识别数据应用的一般需求，探索各种数据格式的访问，并对半结构化JSON数据进行深刻理解。学员将开始创建一个完整的数据管道，从读取数据到数据转化，最后保存结果，实际操作将加深学习印象。
最后，课程将带领学生见识数据湖、数据仓库和湖屋的主要特征。学生将了解到湖屋如何结合数据湖的可扩展性和低成本存储以及数据仓库的速度与ACID事务保障，学员还将使用Spark结合开源项目Delta Lake构建一个生产级湖屋，真正体验大数据处理的力量。
总体而言，这门课程不仅适合想要进一步提升数据分析能力的学生，也适合所有对大数据和分布式计算感兴趣的人士。完成该课程后，学生将拥有在生产环境中进行大规模数据分析的信心和能力。
课程主页: https://www.coursera.org/learn/spark-sql