云栖社区围绕大数据技术——Spark整理了一份详尽的学习、实践课程，整个课程分为三大部分：
一、基础打磨：《Scala入门到精通》《Linux&Akka基础》的系列学习课程；
二、深入理解：本部分主要包含《源码走读》、《组件解析》两部分内容；
三、应用实践：从语言的场景实践到技术应用提供了全方的实战演练案例，读者可以根据内容手把手地进行；
还有最后一部分是介绍基于阿里云E-MapReduce（点击了解产品详情）的实践应用讲解，此部分小编特意为想深入学习的上云“新”同学们准备了一份厚礼：10个阿里云免费套餐邀请码（想必很多同学知道他的价值，如果还有不了解的可以点击此处查看）用于实践学习使用。
获得方式：各位同学可以直接在评论中回复：我要阿里云免费套餐邀请码，为公平起见采用评论点赞排名前十位的小伙伴可得。
课程介绍如下，提供给各位同学提前预览各取所需，课程学习页面请点击此处进入：
一、基础打磨篇：
1.1 《Scala入门到精通》
· 第一节：Scala语言初步
· 第二节：Scala基本类型及操作、程序控制结构
· 第三节：Array、List
· 第四节：Set、Map、Tuple、队列操作实战
· 第五节：函数与闭包
· 第六节：类和对象（一）
· 第七节：类和对象（二）
· 第八节：包和引入
· 第九节：继承与组合
· 第十节：Scala类层次结构、Traits初步
· 第十一节：Trait进阶
· 第十二节：I/O与正则表达式
· 第十三节：高阶函数
· 第十四节：Case Class与模式匹配（一）
· 第十五节：Case Class与模式匹配（二）
· 第十六节：泛型与注解
· 第十七节：类型参数（一）
· 第十八节：隐式转换与隐式参数（一）
· 第十九节：隐式转换与隐式参数（二）
· 第二十节：类型参数（二）
· 第二十一节：类型参数（三）
· 第二十二节：高级类型 （一）
· 第二十三节：高级类型 （二）
· 第二十四节：高级类型 （三）
· 第二十五节：提取器（Extractor）
· 第二十六节：Scala并发编程基础
· 第二十七节：Scala操纵XML
· 第二十八节：Scala与JAVA互操作
· 第二十九节：Scala数据库编程
· 第三十节：Scala脚本编程与结束语
1.2 《Linux & Akka基础》
· 第一节：Linux介绍、安装及使用初步
· 第二节：Linux文件系统、目录（一）
· 第三节：用户和组 · 第四节：Linux文件系统（二）
· 第五节：vi、vim编辑器（一）
· 第六节：vi、vim编辑器（二）
· 第七节：进程管理
· 第八节：网络管理
· 第九节：Shell编程入门（一）
· 第十节：Shell编程入门（二）
· 第十一节：Shell编程入门（三）
· 第十二节：Shell编程入门（四）
· 第十三节：Shell编程入门（五）
· 第十四节：Shell编程入门（六）
· 第十五节：基础正则表达式（一）
· Akka并发编程（一）：并发编程简介
· Akka并发编程（二）：：Actor模型(一）
· Akka并发编程（三）：Actor模型（二）
· Akka并发编程（四）：Actor模型（三）
· Akka并发编程（五）：Actor模型（四）
· Akka并发编程（六）：Actor模型（五）
· Akka并发编程（七）：Actor模型（六）
· Akka并发编程（八）：Actor模型（七）
二、深入理解篇
2.1 《源码走读》
· 第一节：Spark应用程序提交流程
· 第二节：SparkContext的创建
· 第三节：Spark Job的提交
· 第四节：Stage划分
· 第五节：Stage提交
· 第六节：Task提交
· 第七节：ResourceOffers与LaunchTasks解析
· 第八节：Task执行
· 第九节：Task执行成功时的结果处理
· 第十节：Standalone运行模式解析
· 第十一节：Spark SQL 处理流程分析
· 第十二节：Spark SQL之SQLContext（一）
2.2 《组件解析》
· 第一节：Spark 1.5.0集群搭建
· 第二节：Hadoop、Spark生成圈简介
· 第三节：Spark Intellij IDEA开发环境搭建
· 第四节：Spark编程模型（一)
· 第五节：Spark编程模型（二）
· 第六节：Spark编程模型（三)
· 第七节：Spark运行原理
· 第八节：Spark SQL与DataFrame（一）
· 第九节：Spark SQL运行流程解析
· 第十节：Spark SQL案例实战（一）
· 第十一节：Spark Streaming（一）
· 第十二节：Spark Streaming（二）
· 第十三节：Spark Streaming（三）
· 第十四节：Spark Streaming（四）
· 第十五节：Kafka 0.8.2.1 集群搭建
· 第十六节：Spark Streaming与Kafka
三、应用实践篇
3.1 《场景实践》
· 和封神一起“深挖”Spark
· 商品搜索引擎—推荐系统设计
· 阿里Spark实践与探索
· 如何做Spark 版本兼容
· 用线性回归无编码实现文章浏览数预测
· Spark Streaming+Spark SQL实现可配置ETL
· 2016中国spark技术峰会见闻摘要
· Spark Streaming 流式计算实战
· 利用 Spark DataSource API 实现Rest数据源
· 协同过滤算法多语言实现 · Spark 数据倾斜的一些表现
· Spark性能优化 · Spark性能优化——和shuffle搏斗
· Kafka+Spark Streaming+Redis实时计算实践
· 数据处理平台架构中的SMACK组合
3.2 《技术应用》
· SparkSQL实战（一）：DataFrames基础
· SparkSQL实战（二）：DataFrames进阶
· SparkSQL实战（三）：SparkSQL应用案例
· ML On Spark（一）：基础数据结构
· ML On Spark（二）：基础数据结构
· ML On Spark（三）：统计基础
· ML On Spark（四）：统计基础
更多：E-MapReduce实践应用场景介绍
· 泰为基于EMR的考量与实践
· 基于E-MapReduce梨视频推荐系统
· Databricks、Intel、阿里、梨视频的实践
· E-MapReduce集群搭建HAWQ实践
· E-MapReduce支持计算与存储分离,成本降1倍
· 阿里云MongoDB与EMR的HelloWorld
· E-MapReduce(Hadoop)10大类问题集群规划
· 云上Hadoop之优势
