内容简介
通过本书你将了解到如何使用、部署和维护ApacheSpark开源集群计算框架。本书由Spark的创始人所撰写,重点介绍Spark*版本的新功能和新特点。本书将Spark功能分解为若干独立主题来进行全面介绍。本书的主要内容有:大数据技术和Spark概述。通过实例学习DataFrame、SQL、Dataset等Spark的核心API。了解Spark的低级API实现,包括RDD以及SQL和DataFrame的执行过程。了解Spark如何在集群上运行。Spark集群和应用程序的调试、监控、和调优。学习Spark强大的流处理引擎——结构化流处理。学习MLlib并了解如何应用它解决包括分类、推荐,以及其他多种实际问题。