2019年Apache Spark技术交流社区原创文章回顾

整理了这一年（本号开通半年）分享过的来自诸多专家的实践经验，希望2020年我们仍然能够互相支持，壮大Spark社区。

感谢持续分享输出优质内容的阿里云EMR团队的王道远，余根茂，彭搏，郑锴，夏立，林武康，李呈祥，吴威，殳鑫鑫，宋军，关文选，孙大鹏，辛现银，江宇，陈强，陈龙，陶克路，姚舜扬，周克勇，苏昆辉；阿里云Tablestore存储服务技术专家朱晓然，王卓然；Databricks研发总监李潇；资深数据架构师祝威廉；entobit技术总监邓力；某游戏公司数据平台负责人李伟；eBay软件开发工程师李万雪；感谢圈内的技术大佬浪尖，过往记忆，AI前线，vivo技术，滴滴技术提供的帮助。（排名不分先后）

1. 浅谈 Spark 的多语言支持

2. Apache Spark3.0什么样？一文读懂Apache Spark最新技术发展与展望

3. 基于Spark SQL实现对HDFS操作的实时监控报警

4. 通过Spark SQL实时归档SLS数据

5. 使用Spark SQL进行流式机器学习计算（上）

6. 通过WebUI查看Structured Streaming作业统计信息

7. 现代流式计算的基石：Google DataFlow

8. Spark Streaming 框架在 5G 中的应用

9. 是时候放弃 Spark Streaming, 转向 Structured Streaming 了

10. 使用Spark Streaming SQL基于时间窗口进行数据统计

11. Spark-StructuredStreaming checkpointLocation分析、优化耗时

12. 使用Spark Streaming SQL进行PV/UV统计

13. 通过Spark Streaming作业处理Kafka数据

14. 通过Kafka Connect进行数据迁移

15. Spark内置图像数据源初探

16. 【译】Spark-Alchemy：HyperLogLog的使用介绍

17. EMR Spark Runtime Filter性能优化

18. EMR Spark Relational Cache如何支持雪花模型中的关联匹配

19. EMR Spark Relational Cache的执行计划重写

20. EMR Spark Relational Cache 利用数据预组织加速查询

21. 使用Relational Cache加速EMR Spark数据分析

22. 使用EMR Spark Relational Cache跨集群同步数据

23. 2019杭州云栖大会回顾之Spark Relational Cache实现亚秒级响应的交互式分析

24. 【译】数据湖正在成为新的数据仓库

25. 深入剖析 Delta Lake：详解事务日志

26. Delta元数据解析

27. 开源生态的新发展：Apache Spark 3.0、Koala和Delta Lake

28. 【译】Delta Lake 0.4.0 新特性演示：使用 Python API 就地转换与处理 Delta Lake 表

29. 漫谈分布式计算框架

30. 分布式快照算法: Chandy-Lamport

31. 海量小文件的的根源

32. 是时候改变你数仓的增量同步方案了

33. 【译】Spark NLP使用入门

34. 【译】使用Spark SQL 运行大规模基因组工作流

35. 【译】用SQL统一所有：一种有效的、语法惯用的流和表管理方法

36. 使用Apache Arrow助力PySpark数据处理

37. Spark on Kubernetes原生支持浅析

38. 列式存储系列（一）C-Store

39. 列式存储系列（二）: Vertica

40. Spark on Kubernetes 的现状与挑战

41. Koalas：让 pandas 轻松切换 Apache Spark

42. 使用spark-redis组件访问云数据库Redis

43. 玩转阿里云EMR三部曲-高级篇 交互式查询及统一数据源

44. HIVE优化浅谈

45. HIVE TopN shuffle 原理

46. Kerberos使用OpenLDAP作为backend

47. 在 Apache Spark 中利用 HyperLogLog 函数实现高级分析

48. 【译】Hadoop发生了什么？我们该如何做？

49. 实时 OLAP 系统 Druid

50. Spark Operator浅析

51. Spark Codegen浅析

52. 深入分析Spark UDF的性能

53. Spark整合Ray思路漫谈

54. Tablestore结合Spark的流批一体SQL实战

55. 助力云上开源生态 - 阿里云开源大数据平台的发展

56. JindoFS概述：云原生的大数据计算存储分离方案

57. JindoFS解析 - 云上大数据高性能数据湖存储方案

58. EMR 打造高效云原生数据分析引擎

59. 5分钟迅速搭建云上Lambda大数据分析架构

60. 如何在Spark中实现Count Distinct重聚合

61. 基于 Spark 和 TensorFlow 的机器学习实践

62. 如何用Apache Spark和LightGBM构建机器学习模型来预测信用卡欺诈

63. 【译】Apache Spark 数据建模之时间维度（一）

技术直播回顾：点击文末“阅读原文”