商品簡介
現今無論在任何領域，資料都逐漸地變大，你該如何有效率的對他們進行處理?此書介紹了Apache Spark，一個開放原始碼叢集運算系統。它使資料可以更快速的寫入以及執行。藉由Spark，你可以透過簡易的Pyhon,Java,或是Scala的API進行快速的大量資料處理。 此書為Spark的開發者親自撰寫，可以讓資料科學家以及工程師立即應用書中的知識展開工作。讀者將學會如何透過數行的程式碼進行一個平行處理的工作。本書涵蓋了基礎的批次工作到串流處理以及機器學習等相關的應用。 ‧讓讀者可以快速地了解Spark，例如：分散式資料集、記憶體快取、以及交互式介面等。 ‧利用Spark內建的強大資料庫，包含Spark SQL、Spark Streaming以及MLib。 ‧使用一個Spark程式框架即可取代混合多種工具如Hive、Hadoop、Mahout以及Strom。 ‧學習透過Spark進行交互式、批次、以及串流式的應用程式開發 ‧與諸多資料來源進行連接，包含HDFS、HIVE、JSON以及S3 ‧學習資料切割以及共享變數等進階議題 “本書是我在大數據處理應用程式指南推薦書單中的第一名” --Ben. Lorica資料科學家主席, O’Reilly Media
目次
Chapter 1 Spark 資料分析導論 Chapter 2 下載及開始使用 Spark Chapter 3 RDD程式撰寫 Chapter 4 鍵值對 RDD 操作 Chapter 5 存取資料 Chapter 6 進階 Spar k程式撰寫 Chapter 7 在叢集執行 Spark Chapter 8 Spark 調校與除錯 Chapter 9 Spark SQL Chapter 10 Spark streaming Chapter 11 MLlib 機器學習函式庫
