План развития курса «Lakehouse без магии»

Статус: исправление подключения Spark готово к проверке; остальные работы запланированы. Последнее обновление: 2026-09-15.

Здесь собираем отзывы студентов, выбираем следующие улучшения и объясняем их порядок. Подробные задания, критерии приёмки и актуальный статус исполнения хранятся в Gitea Issues.

Текущие рамки курса задаёт PRD, а состав уроков — программа. Статус каждой работы указан ниже. При реализации изменения сначала обновляем соответствующий канонический документ, затем учебные материалы и ссылки на них.

Обратная связь

Базовая настройка Spark-сессии

Источник: отзыв Арсения Деева, переданный автором курса и зафиксированный 2026-09-15. На момент отзыва студент дошёл до модуля 4.
Наблюдение студента: курс подходит начинающим, но не хватает базовой настройки Spark-сессии без сложного тюнинга.
Учебный пробел: студент использует подготовленную сессию; ему нужна практика, чтобы понять, какие настройки потребуются вне готового ноутбука.
Решение: добавить короткую обязательную практику после модуля 2, перед работой с raw-данными в модуле 3. До её разработки проверить воспроизводимость создания сессий.

Отзыв относится к уже пройденной части курса. Замечания по модулям 5–8 пока не получены.

Ближайшие работы

1. Проверить и исправить создание Spark-сессий

Статус: исправление проверено в ветке 1-spark-session-master, ожидает слияния.

Задача: #1 — подключение Spark-сессий в новом ядре.

В новых процессах модуль 1 подключался к кластеру, а модули 2–8 запускали Spark локально (local[*]). В исправлении все восемь ноутбуков берут адрес кластера из spark/spark-defaults.conf.

Проверено: инициализация каждого ноутбука в отдельном процессе, вычисление на кластере, повторный getOrCreate(), запись и чтение тестовой Iceberg-таблицы. Перед закрытием #1 нужно опубликовать в задаче результаты проверок и их ограничения.

2. Добавить практику «Как настроен Spark в нашем стенде»

Статус: запланировано; зависит от результата работы 1.

Задача: #2 — практика базовой настройки SparkSession, заблокирована задачей #1.

Практику разместить в начале модуля 3. Ориентир — 20–30 минут; фактическую длительность проверить при прохождении.

Студент должен научиться:

объяснять роли SparkSession, SparkContext, driver и executors на примере стенда;
читать код с master, appName и getOrCreate;
находить источник настройки: конфигурационный файл, параметры запуска или код;
проверять фактический master и выбранные настройки каталога Iceberg и MinIO;
различать настройки, меняемые во время работы, и настройки, требующие нового запуска;
понимать, что повторное выполнение ячейки может использовать уже существующую сессию.

Практика и checkpoint: студент заполняет небольшой шаблон создания сессии, задаёт подключение к кластеру и имя приложения, использует подготовленные настройки каталога, проверяет фактическое подключение и читает небольшую учебную Iceberg-таблицу. Таблица должна создаваться самой практикой: демонстрационные таблицы модуля 2 могут быть удалены при его завершении. Студент объясняет, какие настройки он задал сам, какие предоставил стенд и что потребуется повторить в новом ядре.

При реализации обновить learning outcomes и scope в PRD, содержание и checkpoint модуля 3 в программе, ноутбук и связанные справочные материалы. Сохранить структуру из восьми модулей.

Граница темы: базовая настройка подключения и жизненный цикл сессии. Подробный подбор памяти, числа executors, shuffle и GC остаётся за рамками этой доработки.

3. Собрать замечания по оставшейся части курса

Статус: ожидается продолжение обратной связи.

По мере прохождения Арсением остальных модулей добавлять конкретные наблюдения в этот документ. После полного прохода выбрать следующие доработки с учётом повторяющихся затруднений, самостоятельности студента и общей длительности курса.

Новые issues создавать, когда понятны проблема, ожидаемый результат и способ его проверки.

Отложенные идеи

Небольшой дополнительный опыт с числом партиций и наблюдением выполнения в Spark UI. Вернуться к нему после проверки объёма базовой практики; потребуется объяснить распределённое выполнение.
Другие возможные расширения перечислены в разделе 7 программы. Их включение и порядок пока не определены.

Номер и дата следующего релиза пока не назначены.

Как обновлять этот план

Для нового предложения записывать: источник и этап прохождения → наблюдение → учебный пробел → предлагаемое изменение → проверяемый результат → статус и ссылка на issue.

После реализации добавлять ссылку на итог задачи и кратко отмечать, что изменилось для студента. Подробные критерии и ход исполнения сохранять в issue.

Выпущенные улучшения

Доработки из этого плана ещё не выпущены.

8.6 KiB Raw Blame History Unescape Escape