李明杰（MJ）高级讲师
多年软件开发经验和教学经验，尤其精通Android和iOS平台的开发，还开发了2个iOS的流行开源框架（MJRefresh、MJExtension）， 目前在国内的使用率非常高。
李老师曾负责主导开发过装饰ERP系统手机端、服装连锁管理系统手机及平板客户端、自动鸡尾酒调酒机系统、网络斗地主RPG、游戏 引擎等。曾以架构师及技术总监的角色帮客户成功获得多家风投，并上了中央电视台《给你一个亿》节目。除了Android和iOS平台，李老师也深入研究 HTML5、phoneGap、Sencha-Touch、Less、Bootstrap、AngularJS、NodeJS等前端利器。
2015年8月 CCTV发现之旅《华商论见》栏目特约嘉宾，受邀参加节目《互联网 浪潮下的创业之道》，接受央视著名主持人水均益采 访。2015年10月 曾受邀加入中国经贸代表团随总理出访韩国，参与总理访韩午餐会以及中日韩工商峰会。2015年12月 荣获中国经济新模 式创新与发展峰会“2015中国IT教育培训行业**具创新人物”奖。
李老师不但具有丰富的软件开发经验，并且懂得如何把自己掌握的知识及技能传授给他人，曾给多家企业提供Android/iOS技术培训 、技术支持、技术咨询等服务。李老师的授课视频深得学生们的喜爱，已培养出好几千名iOS程序员。
多年Java开发从业者：首先，这个问题主要问：自学Java编程技术，如果才 能找到一份Java编程的工作。按照现在的招聘标准来看，无论你去哪个公司面试，你只需要满足他们公司的需求就可以。
找到一份Java编程工作需要掌握的内容如下 ：
首先是Javase作为Java**基本的学习 内容，不在多说。
然后是掌握Java的基本原理，因为做Java 编程开发必须学会Java，用到Java非常多，但是现在很多公司是不用去写原生的Java，但是如果你想成为一个厉害的Java开发者，Java必须从理论到实 际操作中都要非常得心应手。
现在公司是必须要求会用框架的，所以取代Java的就是jQuery，这是一个非 常简易的框架，学jQuery的时候你就会觉得它比Java好用的多。所以jQuery是你必须掌握的。
还有必须学一些框架，比如SpringMVC、Spring、Mybatis、Struts、Hibernate等等，这些就会难理解一些，但是公司是需要要求你会框架的，目前国内的公司应用SSH比 较多，建议至少学三个框架，这是找到工作的基本需求。
数据库技术是Java工作者必须掌握的技能常用就是Mysql。
Javaweb的内容还有html、css、jsp、Servlet等技术，这些都是现在找Java开发必须掌握的东西。
以上就是粗略的必须掌握的技术，如果你想找到一份Java开发的工作，上述 相关技术必须熟练掌握并且应用到项目中。
互联网类项目 项目一：CRM客户管理系统
互联网类项目 项目一：CRM客户管理系统
项目简介
CRM项目主要是管理企业与客户之间的关系。该项目主要实现功能：营销管 理、客户管理、服务管理、统计报表、基础数据、权限管理等。
技术特点
项目备战（git、Maven、shiro）、Struts2（表现层MVC框架）、 Hibernate(数据层持久化框架)、Spring（业务逻辑IoC和AOP框架）、JBPM（工作流支持）、Junit（单元测试）、Jquery(JS框架)。
学习效果
**项目使学员熟悉软件开发的整个流程（需求分析、设计、编码、测试以 及部署与维护）；提升框架整合能力；成为具备一定的项目管理和架构设计能力的中高级Java工程师。
Spark实例
>
1、入门
object HelloSpark { def main(args: Array[String]): Unit = { val conf = new SparkConf().setAppName("Simple application").setMaster("local") val sc = new SparkContext(conf) sc.addJar("C:\\Users\\asus\\IdeaPRojects\\HelloSpark\\target\\HelloSpark-1.0-SNAPSHOT.jar") val res = sc.textFile("D://info.log").map(line => { val f = line.split("\t") (f(1),1) }).reduceByKey(_ _).map(x => { val host = new URL(x._1).getHost (host,x._2) }).filter(_._1 == "java").sortBy(_._2,false).saveAsTextFile("D://out2") //println(res)D sc.stop() } }2、Parallelize
object H{ def main(args: Array[String]): Unit = { val conf = new SparkConf().setAppName("Simple Application").setMaster("local") val sc = new SparkContext(conf) val a = sc.parallelize(List(( "A",90,27 ),( "B",91,22 ),( "C",90,25 ))).sortBy(x => Girl(x._2,x._3),false).collect().toBuffer println(a) } } case class Girl(val a:Int,val b:Int) extends Ordered[Girl] with Serializable{ override def compare(that: Girl): Int = { if(this.a == that.a){ that.b - this.b } else { this.a - that.a } } }3、Spark Streaming（Socket）
object SocketSparkStreaming{ val updateFunc = (iter: Iterator[(String, Seq[Int], Option[Int])]) => { //iter.flatMap(it=>Some(it._2.sum it._3.getOrElse(0)).map(x=>(it._1,x))) //iter.map{case(x,y,z)=>Some(y.sum z.getOrElse(0)).map(m=>(x, m))} iter.map(t => (t._1, t._2.sum t._3.getOrElse(0))) } def main(args: Array[String]): Unit = { LoggerLevels.setStreamingLogLevels() val conf = new SparkConf().setAppName("Spark Streaming").setMaster("local[2]") val sc = new SparkContext(conf) sc.setCheckpointDir("d://ck") val ssc = new StreamingContext(sc,Seconds(5)) val rdd = ssc.socketTextStream("192.168.1.101",8888) val res = rdd.flatMap(_.split(" ")).map((_,1)).updateStateByKey(updateFunc,new HashPartitioner(sc.defaultParallelism),true) res.print() ssc.start() ssc.awaitTermination() } }4、Spark Streaming（Flume）
object FlumeSparkStreaming{ def main(args: Array[String]): Unit = { LoggerLevels.setStreamingLogLevels() val conf = new SparkConf().setAppName("Spark Streaming").setMaster("local[2]") val sc = new SparkContext(conf) sc.setCheckpointDir("d://ck") val ssc = new StreamingContext(sc,Seconds(5)) val address = Seq(new InetSocketAddress("192.168.1.101",8888)) val flumeStream = FlumeUtils.createPollingStream(ssc,address,StorageLevel.MEMORY_AND_DISK_SER) val Words = flumeStream.flatMap(x => new String(x.event.getBody.array()).split(" ")).map((_,1)) val result = words.reduceByKey(_ _) result.print() ssc.start() ssc.awaitTermination() } }5、Kafka WordCount
object KafkaWordCount{ val updateFunc = (iter: Iterator[(String, Seq[Int], Option[Int])]) => { //iter.flatMap(it=>Some(it._2.sum it._3.getOrElse(0)).map(x=>(it._1,x))) //iter.map{case(x,y,z)=>Some(y.sum z.getOrElse(0)).map(m=>(x, m))} iter.map(t => (t._1, t._2.sum t._3.getOrElse(0))) } def main(args: Array[String]): Unit = { LoggerLevels.setStreamingLogLevels() val Array(zkQuorum,group,topics,numThreads) = args val conf = new SparkConf().setAppName("Spark Streaming").setMaster("local[2]") val ssc = new StreamingContext(conf,Seconds(5)) ssc.checkpoint("d://ckkafka") val topicMap = topics.split(",").map((_,numThreads.toInt)).toMap val result = KafkaUtils.createStream(ssc,zkQuorum,group,topicMap).map(_._2) .flatMap(_.split(" ")).map((_,1)) .updateStateByKey(updateFunc,new HashPartitioner( ssc.sparkContext.defaultParallelism),rememberPartitioner = true) result.print() ssc.start() ssc.awaitTermination() } }6、窗口函数
object WindowFunc{ def main(args: Array[String]): Unit = { LoggerLevels.setStreamingLogLevels() val conf = new SparkConf().setAppName("Spark Streaming").setMaster("local[2]") val ssc = new StreamingContext(conf,Seconds(5)) ssc.checkpoint("d://ck") val lines = ssc.socketTextStream("192.168.1.101",8888) val result = lines.flatMap(_.split(" ")).map((_,1)).reduceByKeyAndWindow( (a:Int,b:Int) => (a b), Seconds(15), Seconds(5) ) result.print() ssc.start() ssc.awaitTermination() } }
相关推荐：
