Spark权威指南

《Spark权威指南》是一本关于Apache Spark开源集群计算框架的权威书籍，由Spark的创始人所撰写，旨在教授读者如何使用、部署和维护Apache Spark。本书将Spark功能分解为若干独立主题来进行全面介绍。第1章和第2章介绍大数据技术和Spark概述，包括Spark的架构和安装等内容。第3章至第7章介绍Spark的核心API，包括RDD（弹性分布式数据集）、DataFrame、SQL和Dataset等。读者将会学习如何使用这些API进行数据操作和管理。同时，本书也涵盖了Spark低级API的实现过程，包括RDD、SQL和DataFrame的执行过程。第8章至第10章介绍了Spark的集群运行、调试、监控和调优。通过阅读本章，读者将能够深入了解Spark集群运行的原理和方法，以及在集群环境下进行调试和监控的技巧。第11章介绍了Spark的结构化流处理，包括如何使用Spark的结构化流处理API构建端到端流数据应用。最后一章讲述了Spark的机器学习库Mllib，它提供了可扩展的机器学习算法库，读者将学习到如何使用Mllib实现分类、推荐和其他多种实际问题的解决技术。在全书的编写中，作者均注重实例和示例的使用，以更好地帮助读者理解和掌握Spark。