消息 首页 搜索 举报
  • spark大数据商业实战三部曲 数据库 王家林,段智华,夏阳 编
  • spark大数据商业实战三部曲 数据库 王家林,段智华,夏阳 编
21年品牌 40万+商家 超1.5亿件商品

spark大数据商业实战三部曲 数据库 王家林,段智华,夏阳 编

￥ 210.8 7.1折 ￥ 299 全新

仅1件

河北保定
认证卖家担保交易快速发货售后保障

作者王家林,段智华,夏阳 编

出版社清华大学出版社

ISBN9787302489627

出版时间2018-02

版次1

装帧平装

开本16

页数1143页

字数1815千字

定价299元

货号xhwx_1201653680

上书时间2024-04-12

鑫誠書苑

十五年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
正版特价新书
商品描述
目录：

上篇 内核解密
章 电光石火间体验spark 2.2开发实战 2
1.1 通过rdd实战电影点评系统入门及源码阅读 2
1.1.1 spark核心概念图解 2
1.1.2 通过rdd实战电影点评系统案例 4
1.2 通过dataframe和dataset实战电影点评系统 7
1.2.1 通过dataframe实战电影点评系统案例 7
1.2.2 通过dataset实战电影点评系统案例 10
1.3 spark 2.2源码阅读环境搭建及源码阅读体验 11
第2章 spark 2.2技术及 14
2.1 spark 2.2综述 14
2.1.1 连续应用程序 14
2.1.2 新的api 15
2.2 spark 2.2 core 16
2.2.1 第二代tungsten引擎 16
2.2.2 sparksession 16
2.2.3 累加器api 17
2.3 spark 2.2 sql 19
2.3.1 spark sql 20
2.3.2 dataframe和dataset api 20
2.3.3 timed window 21
2.4 spark 2.2 streaming 21
2.4.1 structured streaming 21
2.4.2 增量输出模式 23
2.5 spark 2.2 mllib 27
2.5.1 基于dataframe的machine learning api 28
2.5.2 r的分布式算法 28
2.6 spark 2.2 graphx 29
第3章 spark的灵魂：rdd和dataset 30
3.1 为什么说rdd和dataset是spark的灵魂 30
3.1.1 rdd的定义及五大特剖析 30
3.1.2 dataset的定义及机制剖析 34
3.2 rdd弹特七个方面解析 36
3.3 rdd依赖关系 43
3.3.1 窄依赖解析 43
3.3.2 宽依赖解析 45
3.4 解析spark中的dag逻辑视图 46
3.4.1 dag生成的机制 46
3.4.2 dag逻辑视图解析 47
3.5 rdd的计算机制 49
3.5.1 task解析 49
3.5.2 计算过程深度解析 49
3.6 spark rdd容错及其四大核心要点解析 57
3.6.1 spark rdd容错 57
3.6.2 rdd容错的四大核心要点 57
3.7 spark rdd中runtime流程解析 59
3.7.1 runtime架构图 59
3.7.2 生命周期 60
3.8 通过wordcount实战解析spark rdd机制 70
3.8.1 spark wordcount动手实践 70
3.8.2 解析rdd生成的机制 72
3.9 基于dataset的代码到底是如何一步步转化成为rdd的 78
第4章 spark driver启动内幕剖析 81
4.1 spark driver program剖析 81
4.1.1 spark driver program 81
4.1.2 sparkcontext深度剖析 81
4.1.3 sparkcontext源码解析 82
4.2 dagscheduler解析 96
4.2.1 dag的定义 96
4.2.2 dag的实例化 97
4.2.3 dagscheduler划分stage的 98
4.2.4 dagscheduler划分stage的具体算法 99
4.2.5 stagetask获取很好位置的算法 113
4.3 taskscheduler解析 116
4.3.1 taskscheduler剖析 116
4.3.2 taskscheduler源码解析 117
4.4 schedulerbackend解析 132
4.4.1 schedulerbackend剖析 132
4.4.2 schedulerbackend源码解析 132
4.4.3 spark程序的注册机制 133
4.4.4 spark程序对计算资源executor的管理 134
4.5 打通spark系统运行内幕机制循环流程 135
4.6 本章结 145
第5章 spark集群启动和源码详解 146
5.1 master启动和源码详解 146
5.1.1 master启动的详解 146
5.1.2 master启动的源码详解 147
5.1.3 master ha双机切换 157
5.1.4 master的注册机制和管理解密 163
5.2 worker启动和源码详解 170
5.2.1 worker启动的流程 170
5.2.2 worker启动的源码详解 174
5.3 executorbackend启动和源码详解 178
5.3.1 executorbackend接与executor的关系 178
5.3.2 executorbackend的不同实现 179
5.3.3 executorbackend中的通信 181
5.3.4 executorbackend的异常处理 183
5.4 executor中任务的执行 184
5.4.1 executor中任务的加载 184
5.4.2 executor中的任务线程池 185
5.4.3 任务执行失败处理 186
5.4.4 揭秘taskrunner 188
5.5 executor执行结果的处理方式 189
5.6 本章结 197
第6章 spark application提交给集群的和源码详解 198
6.1 spark application到底是如何提交给集群的 198
6.1.1 application提交参数配置详解 198
6.1.2 application提交给集群详解 199
6.1.3 application提交给集群源码详解 201
6.2 spark application是如何向集群申请资源的 211
6.2.1 application申请资源的两种类型详解 211
6.2.2 application申请资源的源码详解 213
6.3 从application提交的角度重新审视driver 219
6.3.1 driver到底是什么时候产生的 220
6.3.2 driver和master交互解析 238
6.3.3 driver和master交互源码详解 244
6.4 从application提交的角度重新审视executor 249
6.4.1 executor到底是什么时候启动的 249
6.4.2 executor如何把结果交给application 254
6.5 spark 1.6 rpc内幕解密：运行机制、源码详解、ty与akka等 254
6.6 本章结 267
第7章 shuffle和源码详解 268
7.1 概述 268
7.2 shuffle的框架 269
7.2.1 shuffle的框架演进 269
7.2.2 shuffle的框架内核 270
7.2.3 shuffle框架的源码解析 272
7.2.4 shuffle数据读写的源码解析 275
7.3 hash based shuffle 281
7.3.1 概述 281
7.3.2 hash based shuffle内核 282
7.3.3 hash based shuffle数据读写的源码解析 285
7.4 sorted based shuffle 290
7.4.1 概述 292
7.4.2 sorted based shuffle内核 293
7.4.3 sorted based shuffle数据读写的源码解析 294
7.5 tungsten sorted based shuffle 302
7.5.1 概述 302
7.5.2 tungsten sorted based shuffle内核 302
7.5.3 tungsten sorted based shuffle数据读写的源码解析 303
7.6 shuffle与storage 模块间的交互 309
7.6.1 shuffle注册的交互 310
7.6.2 shuffle写数据的交互 314
7.6.3 shuffle读数据的交互 315
7.6.4 blockmanager架构、运行流程图和源码解密 315
7.6.5 blockmanager解密：blockmanager初始化和注册解密、blockmanager- master工作解密、blocktransferservice解密、本地数据读写解密、远程数据读写解密 324
7.7 本章结 341
第8章 job工作和源码详解 342
8.1 job到底在什么时候产生 342
8.1.1 触发job的和源码解析 342
8.1.2 触发job的算子案例 344
8.2 stage划分内幕 345
8.2.1 stage划分详解 345
8.2.2 stage划分源码详解 346
8.3 task全生命周期详解 346
8.3.1 task的生命过程详解 347
8.3.2 task在driver和executor中交互的全生命周期和源码详解 348
8.4 shufflemaptask和resulttask处理结果是如何被driver管理的 364
8.4.1 shufflemaptask执行结果和driver的交互及源码详解 364
8.4.2 resulttask执行结果与driver的交互及源码详解 370
第9章 spark中cache和checkpoint和源码详解 372
9.1 spark中cache和源码详解 372
9.1.1 spark中cache详解 372
9.1.2 spark中cache源码详解 372
9.2 spark中checkpoint和源码详解 381
9.2.1 spark中checkpoint详解 381
9.2.2 spark中checkpoint源码详解 381
0章 spark中broadcast和accumulator和源码详解 391
10.1 spark中broadcast和源码详解 391
10.1.1 spark中broadcast详解 391
10.1.2 spark中broadcast源码详解 393
10.2 spark中accumulator和源码详解 396
10.2.1 spark中accumulator详解 396
10.2.2 spark中accumulator源码详解 396
1章 spark与大数据其他经典组件整合与实战 399
11.1 spark组件综合应用 399
11.2 spark与alluo整合与实战 400
11.2.1 spark与alluo整合 400
11.2.2 spark与alluo整合实战 401
11.3 spark与job server整合与实战 403
11.3.1 spark与job server整合 403
11.3.2 spark与job server整合实战 404
11.4 spark与redis整合与实战 406
11.4.1 spark与redis整合 406
11.4.2 spark与redis整合实战 407
中篇 商业案例
2章 spark商业案例之大数据电影点评系统应用案例 412
12.1 通过rdd实现分析电影的用户行为信息 412
12.1.1 搭建idea开发环境 412
12.1.2 大数据电影点评系统中电影数据说明 425
12.1.3 电影点评系统用户行为分析统计实战 428
12.2 通过rdd实现电影流行度分析 431
12.3 通过rdd分析各种类型的喜爱电影topn及能优化 433
12.4 通过rdd分析电影点评系统仿和等用户群分析及广播背后机制解密 436
12.5 通过rdd分析电影点评系统实现java和scala版本的二次排序系统 439
12.5.1 二次排序自定义key值类实现（java） 440
12.5.2 电影点评系统二次排序功能实现（java） 442
12.5.3 二次排序自定义key值类实现（scala） 445
12.5.4 电影点评系统二次排序功能实现（scala） 446
12.6 通过spark sql中的sql语句实现电影点评系统用户行为分析 447
12.7 通过spark sql下的两种不同方式实现碑很好电影分析 451
12.8 通过spark sql下的两种不同方式实现流行电影分析 456
12.9 通过dataframe分析受男和女喜爱电影topn 457
12.10 纯粹通过dataframe分析电影点评系统仿和、淘 宝等用户群 460
12.11 纯粹通过dataset对电影点评系统进行流行度和不同年龄阶段兴趣分析等 462
12.11.1 通过dataset实现某特定电影观看者中男和女不同年龄的人数 463
12.11.2 通过dataset方式计算所有电影中均得分优选（碑优选）的电影topn 464
12.11.3 通过dataset方式计算所有电影中或者观看（流行电影）的电影topn 465
12.11.4 纯粹通过dataset的方式实现所有电影中受男、女喜爱的电影靠前0 466
12.11.5 纯粹通过dataset的方式实现所有电影中或者核心目标用户喜爱电影topn分析 467
12.11.6 纯粹通过dataset的方式实现所有电影中淘 宝核心目标用户喜爱电影topn分析 469
12.12 大数据电影点评系统应用案例涉及的核心知识点、源码及案例代码 470
12.12.1 知识点：广播变量broadcast内幕机制 470
12.12.2 知识点：sql全局临时视图及临时视图 473
12.12.3 大数据电影点评系统应用案例完整代码 474
12.13 本章结 496
3章 spark 2.2实战之dataset开发实战企业人员管理系统应用案例 498
13.1 企业人员管理系统应用案例业务需求分析 498
13.2 企业人员管理系统应用案例数据建模 499
13.3 通过sparksession创建案例开发实战上下文环境 500
13.3.1 spark 1.6.0版本 sparkcontext 500
13.3.2 spark 2.0.0版本 sparksession 501
13.3.3 dataframe、dataset剖析与实战 507
13.4 通过map、flatmap、mappartitions等分析企业人员管理系统 510
13.5 通过dropduplicate、coalesce、repartition等分析企业人员管理系统 512
13.6 通过sort、join、joinwith等分析企业人员管理系统 514
13.7 通过randomsplit、sample、select等分析企业人员管理系统 515
13.8 通过groupby、agg、col等分析企业人员管理系统 517
13.9 通过collect_list、collect_set等分析企业人员管理系统 518
13.10 通过avg、sum、countdistinct等分析企业人员管理系统 519
13.11 dataset开发实战企业人员管理系统应用案例代码 519
13.12 本章结 522
4章 spark商业案例之电商交互式分析系统应用案例 523
14.1 纯粹通过dataset进行电商交互式分析系统中特定时段访问次数topn 523
14.1.1 电商交互式分析系统数据说明 523

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

正版特价新书
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP