资源名称:Spark最佳实践 

内容简介:

本书是Spark实战指南,全书共分8章。前4章介绍Spark的部署、工作机制和内核,后4章分别通过实战项目介绍Spark SQL、Spark Streaming、Spark GraphX和Spark MLib功能模块。此外,本书详细介绍了常见的实战问题,比如大数据环境下的配置设置、程序调优等。本书附带的一键安装脚本,更能为初学者提供很大帮助。

资源目录:

第1章  Spark与大数据  1

1.1  大数据的发展及现状  1

1.1.1  大数据时代所面临的问题  1

1.1.2  谷歌的大数据解决方案  2

1.1.3  Hadoop生态系统  3

1.2  Spark应时而生  4

1.2.1  Spark的起源  4

1.2.2  Spark的特点  5

1.2.3  Spark的未来发展  6

第2章  Spark基础  8

2.1  Spark本地单机模式体验  8

2.1.1  安装虚拟机  8

2.1.2  安装JDK  19

2.1.3  下载Spark预编译包  21

2.1.4  本地体验Spark  22

2.2  高可用Spark分布式集群部署  25

2.2.1  集群总览  26

2.2.2  集群机器的型号选择  28

2.2.3  初始化集群机器环境  29

2.2.4  部署ZooKeeper集群  33

2.2.5  编译Spark  35

2.2.6  部署Spark Standalone集群  37

2.2.7  高可用Hadoop集群  40

2.2.8  让Spark运行在YARN上  40

2.2.9  一键部署高可用Hadoop +Spark集群  42

2.3  Spark编程指南  43

2.3.1  交互式编程  43

2.3.2  RDD创建  44

2.3.3  RDD操作  47

2.3.4  使用其他语言开发Spark程序  54

2.4  打包和提交  54

2.4.1  编译、链接、打包  54

2.4.2  提交  56

第3章  Spark工作机制  58

3.1  调度管理  58

3.1.1  集群概述及名词解释  58

3.1.2  Spark程序之间的调度  60

3.1.3  Spark程序内部的调度  63

3.2  内存管理  65

3.2.1  RDD持久化  65

3.2.2  共享变量  66

3.3  容错机制  67

3.3.1  容错体系概述  67

3.3.2  Master节点失效  68

3.3.3  Slave节点失效  69

3.4  监控管理  69

3.4.1  Web界面  69

3.4.2  REST API  72

3.4.3  Metrics指标体系  73

3.4.4  其他监控工具  73

3.5  Spark程序配置管理  73

3.5.1  Spark程序配置加载过程  74

3.5.2  环境变量配置  74

3.5.3  Spark属性项配置  74

3.5.4  查看当前的配置  76

3.5.5  配置Spark日志  76

第4章  Spark内核讲解  77

4.1  Spark核心数据结构RDD  77

4.1.1  RDD的定义  78

4.1.2  RDD的Transformation  80

4.1.3  RDD的Action  82

4.1.4  Shuffle  83

4.2  SparkContext  84

4.2.1  SparkConf配置  84

4.2.2  初始化过程  85

4.2.3  其他功能接口  87

4.3  DAG调度  87

4.3.1  DAGScheduler  87

4.3.2  TaskScheduler  90

第5章  Spark SQL与数据仓库  92

5.1  Spark SQL基础  93

5.1.1  分布式SQL引擎  93

5.1.2  支持的SQL语法  97

5.1.3  支持的数据类型  98

5.1.4  DataFrame  99

5.1.5  DataFrame数据源  103

5.1.6  性能调优  104

5.2  Spark SQL原理和运行机制  104

5.2.1  Spark SQL整体架构  105

5.2.2  Catalyst执行优化器  105

5.3  应用场景:基于淘宝数据建立电商数据仓库  110

5.3.1  电商数据仓库场景  111

5.3.2  数据准备和表设计  111

5.3.3  用Spark SQL来完成日常运营数据分析  115

5.3.4  Spark SQL在大规模数据下的性能表现  120

第6章  Spark流式计算  122

6.1  Spark Streaming基础知识  123

6.1.1  入门简单示例  123

6.1.2  基本概念  124

6.1.3  高级操作  129

6.2  深入理解Spark Streaming  132

6.2.1  DStream的两类操作  132

6.2.2  容错处理  134

6.2.3  性能调优  136

6.2.4  与Storm的对比  137

6.3  应用场景:一个类似百度统计的流式实时系统  139

6.3.1  Web log实时统计场景  139

6.3.2  日志实时采集  140

6.3.3  流式分析系统实现  140

第7章  Spark图计算  149

7.1  什么是图计算  149

7.1.1  图的基本概念  149

7.1.2  图计算的应用  150

7.2  Spark GraphX简介  151

7.2.1  GraphX实现  151

7.2.2  GraphX常用API介绍  152

7.3  应用场景:基于新浪微博数据的社交网络分析  153

7.3.1  社交网络分析的主要应用  153

7.3.2  社区发现算法简介  154

7.3.3  用GraphX实现Louvain算法  156

7.3.4  小试牛刀:谁是你的闺蜜  162

7.3.5  真实的场景:新浪微博关系

分析  164

第8章  Spark MLlib  169

8.1  机器学习简介  169

8.1.1  什么是机器学习  169

8.1.2  机器学习示例  171

8.1.3  机器学习的基本方法  172

8.1.4  机器学习的常见技巧  173

8.1.5  机器学习参考资料  174

8.2  MLlib库简介  174

8.2.1  基础数据类型  174

8.2.2  主要的库  175

8.2.3  附带的示例程序  176

8.3  应用场景:搜索广告点击率预估系统  178

8.3.1  应用场景  178

8.3.2  逻辑回归  179

8.3.3  学习算法  181

8.3.4  模型评估  184

8.3.5  数据准备  186

8.3.6  模型训练  187

8.3.7  模型调优  195

附录  Scala语言参考  197

资源截图:

1.png

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系站长提供付款信息为您处理

源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好 是您所需要的资源