随着互联网、物联网、5G、人工智能、云计算等技术的不断发展，越来越多的数据在互联网上产生，对互联网运营的也要求开始精细化，因此大数据、数据分析、数字营销开始变成互联网企业的重点。

Spark初诞生于美国加州大学伯克利分校（UC Berkeley）的AMP实验室，是一个可应用于大规模数据处理的、通用引擎。

2013年，Spark加入Apache孵化器项目后，开始获得迅猛的发展，如今已成为Apache软件基金会重要的三大分布式计算系统开源项目之一（即Hadoop、Spark、Storm）。

Spark初的设计目标是使数据分析更快——不仅运行速度快，也要能、容易地编写程序。

为了使程序运行更快，Spark提供了内存计算，减少了迭代计算时的IO开销；而为了使编写程序更为容易，Spark使用简练、优雅的Scala语言编写，基于Scala提供了交互式的编程体验。

虽然，Hadoop已成为大数据的事实标准，但其MapReduce分布式计算模型仍存在诸多缺陷，而Spark不仅具备Hadoop MapReduce所具有的优点，且解决了Hadoop MapReduce的缺陷。Spark正以其结构一体化、功能多元化的优势逐渐成为当今大数据领域热门的大数据计算平台。

据小编了解企业在面试Spark工程师的时候，至少需要达到1~3年工作经验的，那我们的课程可以为你带来什么呢？如果你有一定的基础，但是苦于没有找到合适的进阶课程，不妨学习一下，我们针对有Scala基础的同学们，精心准备的进阶课程。

本课程将从Spark基础、原理到优化，从浅到深，层层深入递进，讲解Spark体系。原理分析和性能优化经验都是对于Spark的重要加分项，在实际工作中也能起到非常重要作用。通过一个教育平台大数据分析系统来进行实战演练，将所学即所用，在真正的需求分析实现过程中完成对Spark体系的掌控。

我们课程的重点内容