Scaling Spark applications by connecting code to resource consumption

Vinod Nair在Spark Summit 2017上的演讲《Scaling Spark applications by connecting code to resource consumption》聚焦于如何通过连接代码与资源消耗来扩展Spark应用程序，这对于希望优化和规模化其Spark应用的开发者和数据工程师来说是非常有价值的信息。虽然我无法直接访问或提供特定下载链接的有效性验证，但根据你提供的信息，这个演讲似乎探讨了以下几个关键点：

1. 查询与分析Spark应用的资源使用：演讲可能涉及了如何利用Spark的内置工具和第三方监控解决方案来深入理解应用程序运行时的资源分配情况，包括CPU、内存、磁盘I/O等。这有助于识别性能瓶颈和资源过度使用的情况。

2. 实例应用举例：Nair可能会通过实际案例研究展示如何在具体场景下调整配置、优化代码逻辑或采用不同的调度策略来提升Spark作业的效率和规模。这些例子可能覆盖了数据处理、机器学习、实时流处理等多种应用场景。

3. 连接代码与资源消耗：核心在于建立一种理解和控制机制，使得开发人员能够根据代码逻辑直接关联到它所消耗的资源上。这可能包括最佳实践指导，如合理设置RDD持久化级别、优化shuffle操作、使用动态资源分配等，以实现更细粒度的资源管理。

对于想要深入了解这一主题的用户，建议直接访问阿里云官网的数据处理和大数据分析相关产品页面，比如MaxCompute（原名ODPS）、EMR（Elastic MapReduce）等服务，这些服务不仅提供了强大的Spark运行环境，还集成了资源管理和优化功能。同时，阿里云天池社区和开发者论坛也是获取技术分享、实战教程和行业洞见的好地方，可能会有该演讲的回顾或者相关的技术文章可以帮助您进一步学习。

请注意，随着时间的推移，具体的下载链接或页面内容可能会有所变化，建议直接搜索演讲者姓名加上演讲标题或访问Spark Summit官方网站查找相关资料。