lexuecode 课程简介
大数据硬核技能进阶：Spark3实战智能物业运营系统视频课程，由乐学编程网lexuecode.com整理分享。本课程旨在通过结合实际的生产级项目，全面点亮一系列关键技术栈，包括数据采集（DataX）、数据湖构建（Iceberg）、数据分析工具（Spark）、智能任务调度（DS）、数据接口服务（DBApi）、人工智能大模型（如ChatGPT）、以及数据可视化技术（Davinci）。我们将深入探讨这些离线数据处理的核心技能和生态系统，帮助你掌握硬核技术，拓展职业发展的道路。
相关课程
课程实战项目
智能物业运营系统之地理位置的解析实战
智能物业运营系统之大数据应用监控及告警、智能物业运营 系统之业务数据采集及累计问题
智能物业运营系统综合实战、智能物业运营 系统之基于Spark&Iceberg构建数据湖战
课程目录
├── 1-大厂技术首选高薪必备：揭开Spark神秘面纱/
│ ├── [ 21M] 1-1 每位大数据开发者都需要了解的硬核技能
│ ├── [2.1M] 1-2 本章概览
│ ├── [ 22M] 1-3 Spark产生背景
│ ├── [ 30M] 1-4 Spark是什么
│ ├── [ 21M] 1-5 【重要】Spark能为我们带来什么
│ ├── [ 11M] 1-6 自己语言总结Spark
│ ├── [ 44M] 1-7 【重要】Spark版本选择依据
│ └── [ 28M] 1-8 Spark与Hadoop多角度对比
├── 2-工欲善其事必先利其器：大数据框架环境部署/
│ ├── [2.3M] 2-1 本章概览
│ ├── [3.6M] 2-2 【重要】服务器选择注意事项
│ ├── [ 20M] 2-3 客户端操作注意事项
│ ├── [5.9M] 2-4 服务器目录规划
│ ├── [ 21M] 2-5 JDK部署
│ ├── [ 10M] 2-6 Scala部署
│ ├── [5.8M] 2-7 【作业】MySQL部署
│ ├── [ 71M] 2-8 HDFS部署及测试
│ ├── [ 37M] 2-9 YARN部署及测试
│ ├── [ 63M] 2-10 Hive部署及测试
│ ├── [ 49M] 2-11 Spark部署及测试
│ └── [ 60M] 2-12 【重要】基于IDEA&Maven构建本地开发环境
├── 3-手把手撸个RDD实战：加强基础为Spark预热/
│ ├── [4.0M] 3-1 本章概览
│ ├── [ 17M] 3-2 快速认识Java中的Iterator
│ ├── [ 63M] 3-3 自定义Java Iterator
│ ├── [ 30M] 3-4 自定义Java Iterable
│ ├── [ 22M] 3-5 【重要】Scala中迭代器的使用
│ ├── [ 37M] 3-6 【重要】自定义迭代器读取MySQL中的数据
│ ├── [ 25M] 3-7 统一上下文类封装
│ ├── [ 23M] 3-8 Scala中迭代器的lazy特性
│ ├── [ 52M] 3-9 【重要】自定义RDD代码封装及实现
│ └── [ 37M] 3-10 自定义RDD代码测试
├── 4-轻松理解RDD核心本质：结合源码多维度解析/
│ ├── [2.0M] 4-1 本章概览
│ ├── [ 10M] 4-2 学习之前注意事项说明
│ ├── [ 37M] 4-3 【重要】从源码角度理解RDD是什么
│ ├── [ 20M] 4-4 【重要】从源码角度理解RDD的定义
│ ├── [ 50M] 4-5 【重要】从源码角度理解RDD的五大特性
│ ├── [ 38M] 4-6 RDD五大特性在源码中的体现
│ ├── [ 11M] 4-7 RDD五大特性图解总结
│ ├── [ 58M] 4-8 HadoopRDD源码解读
│ └── [ 15M] 4-9 【作业】JdbcRDD源码分析
├── 5-快速步入核心编程基础：RDD转换与动作编程/
│ ├── [3.7M] 5-1 本章概览
│ ├── [ 53M] 5-2 Spark编程核心入口类SparkContext使用注意事项
│ ├── [ 45M] 5-3 基于spark-shell脚本再谈SparkContext
│ ├── [ 37M] 5-4 RDD创建方式之集合
│ ├── [ 33M] 5-5 初遇并行度
│ ├── [ 15M] 5-6 自定义类型数据转成RDD
│ ├── [ 58M] 5-7 RDD创建方式之文件系统数据
│ ├── [8.0M] 5-8 【作业】拓展读取文件系统数据
│ ├── [ 55M] 5-9 RDD创建方式之MySQL中的表
│ ├── [ 26M] 5-10 RDD操作概述
│ ├── [ 57M] 5-11 transformation之map算子
│ ├── [ 34M] 5-12 transformation之flatmap算子
│ ├── [ 30M] 5-13 transformation之mapPartitions算子
│ ├── [ 60M] 5-14 transformation之filter算子
│ ├── [ 10M] 5-15 transformation之sample算子
│ ├── [8.4M] 5-16 transformation之glom算子
│ ├── [ 28M] 5-17 transformation之zip算子
│ ├── [ 28M] 5-18 从一个经典的面试题掌握算子底层的实现原理
│ ├── [ 37M] 5-19 transformation之mapValues算子
│ ├── [ 30M] 5-20 transformation之flatMapValues算子
│ ├── [9.6M] 5-21 transformation之keys&values算子
│ ├── [ 14M] 5-22 transformation之keyBy算子
│ ├── [ 26M] 5-23 transformation之reduceByKey算子
│ ├── [ 21M] 5-24 transformation之groupByKey算子
│ ├── [ 25M] 5-25 经典面试题之reduceByKey对比groupByKey
│ ├── [ 32M] 5-26 transformation之groupBy算子
│ ├── [ 12M] 5-27 transformation之sortBy算子
│ ├── [ 16M] 5-28 transformation之sortByKey算子
│ ├── [ 24M] 5-29 transformation之distinct算子
│ ├── [ 56M] 5-30 transformation之cogroup算子
│ ├── [ 56M] 5-31 transformation之join算子
│ ├── [ 28M] 5-32 transformation之交并差算子
│ ├── [ 26M] 5-33 action算子之collect
│ ├── [ 20M] 5-34 action算子之foreach
│ ├── [ 26M] 5-35 action算子之foreachPartition
│ ├── [ 26M] 5-36 action算子之取数相关
│ ├── [ 64M] 5-37 action算子之aggregate相关
│ ├── [ 23M] 5-38 action算子之fold&reduce
│ ├── [ 28M] 5-39 算子之countByKey&countByValue
│ ├── [ 16M] 5-40 算子之查看RDD的依赖关系
│ ├── [ 56M] 5-41 【拓展】Java语言开发Spark应用之map
│ ├── [ 25M] 5-42 【拓展】Java语言开发Spark应用之flatMap
│ ├── [6.0M] 5-43 【拓展】Java语言开发Spark应用之filter
│ └── [ 24M] 5-44 【拓展】Java语言开发Spark应用之词频统计
├── 6-智能物业运营系统第一篇：地理位置的解析实战/
│ ├── [4.9M] 6-1 本章概览
│ ├── [7.9M] 6-2 明确需求
│ ├── [ 23M] 6-3 架构拓展
│ ├── [ 62M] 6-4 省份维度统计功能开发
│ ├── [ 17M] 6-5 MySQL表及工具类准备
│ ├── [ 31M] 6-6 统计结果入表
│ ├── [ 12M] 6-7 统计结果入表迭代
│ ├── [ 39M] 6-8 【经典面试题】Spark中的闭包
│ ├── [ 33M] 6-9 【经典报错】Task not serializable-
│ ├── [ 29M] 6-10 使用RDD完成普通的Join操作
│ ├── 乐学编程网lexuecode.com
│ ├── [ 37M] 6-11 使用RDD完成广播变量的Join操作
│ ├── [9.4M] 6-12 使用广播变量迭代ip解析功能
│ ├── [ 30M] 6-13 【非常重要】使用累加器完成数据质量指标
│ ├── [ 22M] 6-14 累加器在使用过程中注意的坑
│ ├── [ 36M] 6-15 自定义Int类型累加器
│ ├── [ 60M] 6-16 自定义复杂类型累加器
│ ├── [ 46M] 6-17 可视化框架部署
│ ├── [ 11M] 6-18 可视化大屏制作
│ ├── [ 37M] 6-19 全流程打包到服务器上运行
│ └── [ 22M] 6-20 【扩展】高德地图API的使用
├── 7-深入理解核心必备进阶：分区器依赖缓存策略/
│ ├── [3.9M] 7-1 本章概览
│ ├── [ 53M] 7-2 分区数调整算子
│ ├── [ 32M] 7-3 Spark中分区器的定义
│ ├── [ 45M] 7-4 自定义分区器在Spark中的使用
│ ├── [ 67M] 7-5 【加强】分区数及分区器加强
│ ├── [ 22M] 7-6 RDD的Lineage特性
│ ├── [ 36M] 7-7 【重要】窄依赖&宽依赖的定义
│ ├── [ 38M] 7-8 【重要】图解依赖及stage切分
│ ├── [ 14M] 7-9 ShuffleDependency类定义的参数说明
│ ├── [ 27M] 7-10 初遇Spark的缓存
│ ├── [ 30M] 7-11 缓存策略的选择
│ ├── [ 66M] 7-12 【重要】不同缓存策略的测试
│ └── [9.5M] 7-13 缓存清理
├── 8-架构知其然知其所以然：术语&运行架构&on YARN/
│ ├── [2.5M] 8-1 本章概览
│ ├── [6.8M] 8-2 引入
│ ├── [ 65M] 8-3 【重要】核心术语之一
│ ├── [ 62M] 8-4 【重要】核心术语之二
│ ├── [8.2M] 8-5 核心术语总结
│ ├── [ 15M] 8-6 【补充】-DAG图
│ ├── [ 32M] 8-7 运行架构
│ ├── [9.5M] 8-8 YARN重要知识点
│ ├── [ 33M] 8-9 Spark on YARN概述
│ ├── [ 49M] 8-10 client模式测试
│ ├── [ 34M] 8-11 cluster模式测试
│ ├── [ 17M] 8-12 【重要】两种模式的区别-
│ └── [5.1M] 8-13 【补充】多节点进程的分布
├── 9-智能物业运营系统第二篇：大数据应用监控及告警/
│ ├── [2.8M] 9-1 本章概览
│ ├── [ 17M] 9-2 监控在工作中的重要性
│ ├── [ 13M] 9-3 Spark应用程序执行完毕后存在的问题
│ ├── [ 65M] 9-4 为什么要引入历史服务
│ ├── [ 46M] 9-5 HistoryServer部署
│ ├── [ 22M] 9-6 HistoryServer重要参数讲解
│ ├── [ 45M] 9-7 学习如何阅读源码
│ ├── [ 35M] 9-8 如何基于HistoryServer打造自己的监控系统
│ ├── [ 36M] 9-9 【重要】打造自己的Spark应用程序监控设计
│ ├── [ 44M] 9-10 邮件发送工具类开发
│ ├── [ 56M] 9-11 【重要】实现自定义监控监听器
│ ├── [ 35M] 9-12 【重要】是否告警开关控制
│ └── [5.4M] 9-13 【拓展】其他监控系统
├── 10-高手成长路线之学调优：RDD各种姿势的调优/
│ ├── [3.4M] 10-1 本章概览
│ ├── [ 16M] 10-2 调优展开的维度
│ ├── [ 58M] 10-3 调优之序列化
│ ├── [ 16M] 10-4 调优之算子的合理选择01
│ ├── [7.5M] 10-5 调优之算子的合理选择02
│ ├── [ 22M] 10-6 调优之算子的合理选择03
│ ├── [ 41M] 10-7 调优之算子的合理选择04
│ ├── [ 13M] 10-8 调优之算子的合理选择05
│ ├── [ 49M] 10-9 调优之数据本地性
│ ├── [ 12M] 10-10 case在spark-shell中的使用
│ ├── [ 19M] 10-11 dirname和if在spark-shell中的使用
│ ├── [ 28M] 10-12 spark相关脚本的依赖关系
│ ├── [ 27M] 10-13 Spark作业的资源影响问题
│ ├── [ 72M] 10-14 Spark内存管理宏观认知
│ ├── [ 38M] 10-15 Spark内存管理之SMM
│ ├── [ 45M] 10-16 Spark内存管理之UMM
│ └── [ 33M] 10-17 Spark内存管理之UMM扩展
├── 11-智能物业运营系统第三篇：业务数据采集及累计问题/
│ ├── [4.6M] 11-1 本章概览
│ ├── [7.3M] 11-2 数据采集框架介绍
│ ├── [ 23M] 11-3 DataX是什么
│ ├── [ 19M] 11-4 DataX工作原理
│ ├── [ 17M] 11-5 DataX运行流程
│ ├── [ 28M] 11-6 DataX快速入门
│ ├── [ 85M] 11-7 使用DataX完成MySQL2HDFS的操作
│ ├── [ 29M] 11-8 使用DataX完成MySQL2HDFS的操作续
│ ├── [ 18M] 11-9 使用DataX完成MySQL2HDFS分区的操作
│ ├── [ 12M] 11-10 数据关联Hive表
│ ├── [ 22M] 11-11 实战之需求描述
│ ├── [ 12M] 11-12 实战之数据流向分析
│ ├── [ 57M] 11-13 实战之加载数据到Hive表
│ ├── 由乐学编程网lexuecode.com
│ ├── [ 73M] 11-14 实战之Hive自连接方式分拆实现
│ ├── [ 34M] 11-15 实战之Hive自连接方式完整实现及优化
│ ├── [ 15M] 11-16 实战之Hive窗口函数实现
│ └── [ 57M] 11-17 实战之使用RDD算子实现
├── 12-最热门的AI大模型入门：ChatGPT为工作插上翅膀/
│ ├── [2.9M] 12-1 本章概览
│ ├── [ 16M] 12-2 认识OpenAI这家公司
│ ├── [8.7M] 12-3 语言模型&大语言模型的趋势
│ ├── [ 29M] 12-4 NLP发展历程
│ ├── [ 12M] 12-5 国内大模型介绍
│ ├── [ 24M] 12-6 【重要】Open AI账号注册
│ ├── [ 29M] 12-7 OpenAI 接口测试
│ ├── [ 49M] 12-8 通过案例演示大模型工作原理
│ ├── [ 45M] 12-9 【重要】通过案例知晓大模型的使用场景
│ ├── [ 16M] 12-10 模型演化
│ ├── [ 28M] 12-11 OpenAI Mode详解
│ ├── [ 16M] 12-12 模型价格及Token
│ ├── [ 37M] 12-13 Prompt工程
│ ├── [ 14M] 12-14 【重要】Chat CompletionAPI及多轮对话的使用
│ ├── [ 16M] 12-15 【重要】使用ChatGPT助力日常开发的SQL编写
│ ├── [ 38M] 12-16 Open AI开发者大会发布的新功能
│ ├── [ 31M] 12-17 Open AI编程老版本
│ ├── [ 28M] 12-18 Open AI编程新版本
│ └── [ 49M] 12-19 Assistants API 编程
├── 13-纠正主观上的错误理解：Spark SQL能带来什么/
│ ├── [3.8M] 13-1 本章概览
│ ├── [ 11M] 13-2 为什么要使用SQL
│ ├── [ 31M] 13-3 官方对Spark SQL的定义
│ ├── [7.1M] 13-4 【拓展】数据源操作
│ ├── [8.2M] 13-5 【补充】SQL on Hadoop框架
│ ├── [ 17M] 13-6 【拓展】Spark SQL的愿景
│ ├── [ 47M] 13-7 核心概念
│ ├── [ 42M] 13-8 编程入口点SparkSession
│ ├── [ 22M] 13-9 spark-shell&spark-sql访问Hive中的表
│ ├── [ 25M] 13-10 thriftserver&beeline配合使用
│ └── [ 25M] 13-11 通过JDBC代码方式访问数据
├── 14-高效快速读写外部数据：Spark SQL外部数据源的使用/
│ ├── [4.3M] 14-1 本章概览
│ ├── [ 11M] 14-2 外部数据源的产生背景
│ ├── [ 60M] 14-3 csv数据源的读操作基本使用
│ ├── [ 40M] 14-4 csv数据源的读操作进阶使用
│ ├── [ 30M] 14-5 csv数据源的写操作
│ ├── [ 34M] 14-6 SaveMode的含义
│ ├── [ 25M] 14-7 json数据源的读操作基本使用
│ ├── [ 70M] 14-8 json数据源的读操作进阶使用
│ ├── [ 22M] 14-9 json数据源的读操作进阶使用
│ ├── [ 22M] 14-10 json数据源的写操作
│ ├── [ 21M] 14-11 text数据源的读操作使用
│ ├── [ 32M] 14-12 text数据源的写操作使用
│ ├── [ 24M] 14-13 Parquet数据源的读写操作
│ ├── [ 17M] 14-14 jdbc数据源的读操作使用
│ ├── [ 16M] 14-15 jdbc数据源的读操作配置化使用
│ ├── [ 24M] 14-16 jdbc数据源的写操作最佳实践
│ ├── [ 56M] 14-17 Hive数据源的读写操作最佳实践
│ ├── [ 31M] 14-18 使用SQL的方式使用外部数据源
│ ├── [ 54M] 14-19 外部数据源核心类
│ ├── [ 55M] 14-20 JDBC数据源实现源码分析
│ └── [ 35M] 14-21 JDBC数据源实现源码Debug分析
├── 15-快速步入核心编程进阶：DF&DS API编程/
│ ├── [1.7M] 15-1 本章概览
│ ├── [ 98M] 15-2 基本API编程
│ ├── [ 41M] 15-3 基本API编程之分组聚合函数
│ ├── [ 25M] 15-4 基本API编程之窗口函数
│ ├── [ 47M] 15-5 RDD与DF的转换操作之反射
│ ├── [ 21M] 15-6 RDD与DF的转换操作之编程
│ ├── [ 31M] 15-7 DS操作之RDD转成DS
│ ├── [ 15M] 15-8 DS操作之DF与DS的互操作
│ ├── [ 14M] 15-9 扩展之Java类型在API编程中的使用
│ ├── [ 26M] 15-10 RDD&DF&DS对比
│ ├── [ 13M] 15-11 自定义外部数据源实战之需求分析
│ ├── [ 30M] 15-12 自定义外部数据源实战之主体轮廓开发
│ └── [ 42M] 15-13 自定义外部数据源实战之开发及测试
├── 16-透过函数进行二次开发：UDF函数在Spark SQL中的使用/
│ ├── [1.7M] 16-1 本章概览
│ ├── [6.7M] 16-2 SQL on Hadoop框架中的函数说明
│ ├── [ 34M] 16-3 UDF函数在API中的使用
│ ├── [ 16M] 16-4 UDF函数在SQL中的使用
│ ├── [ 47M] 16-5 UDF函数在Spark SQL中使用的扩展
│ ├── [ 41M] 16-6 UDAF函数编程主体轮廓开发
│ ├── [ 68M] 16-7 UDAF函数功能实现及测试
│ ├── [ 34M] 16-8 UDAF函数新版实现
│ └── [1.2M] 16-9 UDTF函数补充说明
├── 17-透过使用知晓执行流程：Spark SQL核心执行流程/
│ ├── [2.0M] 17-1 课程目录
│ ├── [ 49M] 17-2 Catalog编程
│ ├── [ 31M] 17-3 学习源码的方法论
│ ├── [ 12M] 17-4 通过官方Slide回顾RDD及SparkSQL相关知识
│ ├── [ 37M] 17-5 通过官方Slide讲解Spark SQL框架的执行流程
│ ├── [ 42M] 17-6 通过终端运行方式理解Spark SQL框架的执行流程
│ ├── [ 31M] 17-7 通过代码运行方式理解Spark SQL框架的执行流程
│ ├── [ 20M] 17-8 新特性之动态分区裁剪引入
│ ├── [ 21M] 17-9 新特性之动态分区裁剪实现原理
│ ├── [ 18M] 17-10 新特性之AQE概述
│ ├── [ 48M] 17-11 新特性之AQE分区自动合并功能详解
│ ├── [ 30M] 17-12 新特性之AQEJoin策略调整功能详解
│ └── [8.0M] 17-13 Spark SQL关于Hints的补充
├── 18-数据开放服务解决方案：为大数据处理成果赋能/
│ ├── [2.5M] 18-1 课程目录
│ ├── [ 18M] 18-2 数据服务在大数据平台中的重要地位
│ ├── [ 21M] 18-3 DBAPI概述
│ ├── [ 47M] 18-4 DBAPI部署
│ ├── [6.7M] 18-5 数据源配置
│ ├── [ 14M] 18-6 API配置
│ ├── [9.8M] 18-7 客户端设置
│ ├── [ 13M] 18-8 系统设置及监控
│ └── [ 16M] 18-9 作业及总结
├── 19-智能调度系统解决方案：DS在生产上的使用/
│ ├── [2.0M] 19-1 课程目录
│ ├── [ 10M] 19-2 调度系统在大数据平台中的重要性
│ ├── [ 18M] 19-3 初识DS
│ ├── [ 52M] 19-4 核心名词解释
│ ├── [ 34M] 19-5 Standalone模式部署
│ ├── [ 35M] 19-6 工作流的定义及运行实操
│ ├── [ 12M] 19-7 工作流定时管理
│ ├── [8.4M] 19-8 数据源中心配置
│ ├── [ 19M] 19-9 任务类型之shell的使用
│ ├── [ 13M] 19-10 任务类型之SQL的使用
│ ├── [ 13M] 19-11 任务类型之HiveCli script的使用
│ ├── [ 11M] 19-12 任务类型之hivecli file的使用
│ ├── [ 19M] 19-13 任务类型之Spark3的使用
│ ├── [ 13M] 19-14 安全中心之租户用户队列
│ ├── [ 11M] 19-15 安全中心之Worker分组及环境
│ └── [ 14M] 19-16 安全中心之告警
├── 20-热门数据湖的技能拓展：基于Spark&Iceberg构建数据湖/
│ ├── [814K] 20-1 课程目录
│ ├── [ 20M] 20-2 Iceberg简介
│ ├── [ 50M] 20-3 Iceberg特性
│ ├── [ 19M] 20-4 整合Hive准备工作
│ ├── [ 75M] 20-5 整合Hive结合Catalog创建表详解
│ ├── [ 47M] 20-6 Iceberg整合Hive的DDL与DML详解
│ ├── [ 73M] 20-7 Iceberg存储结构
│ ├── [ 25M] 20-8 整合Spark查询元数据信息
│ ├── [ 42M] 20-9 整合Spark完成时间线查询及回滚操作
│ └── [7.9M] 20-10 动手拓展
├── 21-AI大模型使用进阶：整合SQL在大数据中的使用/
│ ├── [4.2M] 21-1 课程目录
│ ├── [ 17M] 21-2 LangChain概述
│ ├── [ 25M] 21-3 LangChain整合OpenAI和Tongyi模型
│ ├── [ 47M] 21-4 LangChain整合SQLDatabaseChain完成SQL的处理
│ └── [ 35M] 21-5 pyspark-ai
├── 第22章 高手成长路线之挖祖坟：Spark核心源码分析/
│ ├── [4.7M] 22-1课程目录
│ ├── [ 31M] 22-2核心概念回顾
│ ├── [ 59M] 22-3从宏观角度理解作业的执行原理
│ ├── [ 38M] 22-4foreach算子源码分析
│ ├── [ 33M] 22-5补充两个Scheduler的初始化
│ ├── [107M] 22-6DAGScheduler中的runJob方法详解
│ ├── [ 46M] 22-7handleJobSubmitted方法实现源码分析
│ ├── [ 57M] 22-8TaskScheduler的submitTask方法源码分析
│ ├── [ 29M] 22-9task任务执行源码分析
│ ├── [ 40M] 22-10通过日志输出来学习框架底层的执行流程
│ ├── [2.7M] 22-11Spark作业执行流程图解
│ ├── [ 36M] 22-12为什么会产生数据倾斜
│ ├── [ 57M] 22-13如何定位导致数据倾斜的代码
│ ├── [ 21M] 22-14数据倾斜解决方案一
│ ├── [ 12M] 22-15数据倾斜解决方案二
│ ├── [ 22M] 22-16数据倾斜解决方案三
│ ├── [ 26M] 22-17数据倾斜解决方案四
│ ├── [ 18M] 22-18数据倾斜解决方案五
│ └── [ 49M] 22-19数据倾斜解决方案六
├── 第23章 智能物业运营系统第四篇：以企业级项目要求实战/
│ ├── [1.5M] 23-1课程目录
│ ├── [ 18M] 23-2项目背景描述
│ ├── [ 30M] 23-3数据流分析
│ ├── [ 32M] 23-4数据源表结构分析
│ ├── [ 40M] 23-5停车收入统计结果入表
│ ├── [ 28M] 23-6停车收入大屏展示
│ ├── [ 21M] 23-7趋势分析统计结果入表
│ ├── [2.6M] 23-8趋势分析大屏展示
│ ├── [ 14M] 23-9放行及抬杠原因次数及占比统计结果入表
│ ├── [5.2M] 23-10放行及抬杆原因次数及占比分析大屏展示
│ ├── [ 16M] 23-11区域提杆率统计结果入表
│ ├── [2.3M] 23-12区域提杆率大屏展示-
│ ├── [ 21M] 23-13扩展
│ └── [ 11M] 23-14课程小结
更新日志
2024-3-13：已更新完结，百度云盘下载。
