Spark大数据商业实战三部曲:内核解密|商业案例|性能调优 王家林,
￥ 21.25 0.7折 ￥ 299 八五品
库存2件
上海黄浦
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
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开
纸张胶版纸
页数1143页
字数99999千字
定价299元
货号9787302489627
上书时间2024-05-19
- 在售商品 暂无
- 平均发货时间 8小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：八五品
- 商品描述
-
基本信息
书名:Spark大数据商业实战三部曲:内核解密|商业案例|性能调优
定价：299.00元
作者:王家林,段智华,夏阳
出版社：清华大学出版社
出版日期：2018-02-01
ISBN：9787302489627
字数：1815000
页码：1143
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
内容提要
《Spark大数据商业实战三部曲：内核解密|商业案例|性能调优》基于Spark 2.2.X，以Spark商业案例实战和Spark在生产环境下几乎所有类型的性能调优为核心，以Spark内核解密为基石，分为上篇、中篇、下篇，对企业生产环境下的Spark商业案例与性能调优抽丝剥茧地进行剖析。上篇基于Spark源码，从一个动手实战案例入手，循序渐进地全面解析了Spark 2.2新特性及Spark内核源码；中篇选取Spark开发中拥有有代表的经典学习案例，深入浅出地介绍，在案例中综合应用Spark的大数据技术；下篇性能调优内容基本接近覆盖了Spark在生产环境下的所有调优技术。
目录
目 录上篇 内核解密章 电光石火间体验Spark 2.2开发实战... 21.1 通过RDD实战电影点评系统入门及源码阅读... 21.1.1 Spark核心概念图解... 21.1.2 通过RDD实战电影点评系统案例... 41.2 通过DataFrame和DataSet实战电影点评系统... 71.2.1 通过DataFrame实战电影点评系统案例... 71.2.2 通过DataSet实战电影点评系统案例... 101.3 Spark 2.2源码阅读环境搭建及源码阅读体验... 11第2章 Spark2.2技术及原理... 142.1 Spark 2.2综述... 142.1.1 连续应用程序... 142.1.2 新的API 152.2 Spark 2.2 Core. 162.2.1 第二代Tungsten引擎... 162.2.2 SparkSession. 162.2.3 累加器API 172.3 Spark 2.2 SQL. 192.3.1 Spark SQL. 202.3.2 DataFrame和DatasetAPI 202.3.3 Timed Window.. 212.4 Spark 2.2 Streaming. 212.4.1 StructuredStreaming. 212.4.2 增量输出模式... 232.5 Spark 2.2 MLlib. 272.5.1 基于DataFrame的MachineLearning API 282.5.2 R的分布式算法... 282.6 Spark 2.2 GraphX.. 29第3章 Spark的灵魂：RDD和DataSet 303.1 为什么说RDD和DataSet是Spark的灵魂... 303.1.1 RDD的定义及五大特性剖析... 303.1.2 DataSet的定义及内部机制剖析... 343.2 RDD弹性特性七个方面解析... 363.3 RDD依赖关系... 433.3.1 窄依赖解析... 433.3.2 宽依赖解析... 453.4 解析Spark中的DAG逻辑视图... 463.4.1 DAG生成的机制... 463.4.2 DAG逻辑视图解析... 473.5 RDD内部的计算机制... 493.5.1 Task解析... 493.5.2 计算过程深度解析... 493.6 Spark RDD容错原理及其四大核心要点解析... 573.6.1 Spark RDD容错原理... 573.6.2 RDD容错的四大核心要点... 573.7 Spark RDD中Runtime流程解析... 593.7.1 Runtime架构图... 593.7.2 生命周期... 603.8 通过WordCount实战解析Spark RDD内部机制... 703.8.1 Spark WordCount动手实践... 703.8.2 解析RDD生成的内部机制... 723.9 基于DataSet的代码到底是如何一步步转化成为RDD的... 78第4章 SparkDriver启动内幕剖析... 814.1 Spark Driver Program剖析... 814.1.1 Spark DriverProgram.. 814.1.2 SparkContext深度剖析... 814.1.3 SparkContext源码解析... 824.2 DAGScheduler解析... 964.2.1 DAG的定义... 964.2.2 DAG的实例化... 974.2.3 DAGScheduler划分Stage的原理... 984.2.4 DAGScheduler划分Stage的具体算法... 994.2.5 Stage内部Task获取位置的算法... 1134.3 TaskScheduler解析... 1164.3.1 TaskScheduler原理剖析... 1164.3.2 TaskScheduler源码解析... 1174.4 SchedulerBackend解析... 1324.4.1 SchedulerBackend原理剖析... 1324.4.2 SchedulerBackend源码解析... 1324.4.3 Spark程序的注册机制... 1334.4.4 Spark程序对计算资源Executor的管理... 1344.5 打通Spark系统运行内幕机制循环流程... 1354.6 本章总结... 145第5章 Spark集群启动原理和源码详解... 1465.1 Master启动原理和源码详解... 1465.1.1 Master启动的原理详解... 1465.1.2 Master启动的源码详解... 1475.1.3 Master HA双机切换... 1575.1.4 Master的注册机制和状态管理解密... 1635.2 Worker启动原理和源码详解... 1705.2.1 Worker启动的原理流程... 1705.2.2 Worker启动的源码详解... 1745.3 ExecutorBackend启动原理和源码详解... 1785.3.1 ExecutorBackend接口与Executor的关系... 1785.3.2 ExecutorBackend的不同实现... 1795.3.3 ExecutorBackend中的通信... 1815.3.4 ExecutorBackend的异常处理... 1835.4 Executor中任务的执行... 1845.4.1 Executor中任务的加载... 1845.4.2 Executor中的任务线程池... 1855.4.3 任务执行失败处理... 1865.4.4 揭秘TaskRunner 1885.5 Executor执行结果的处理方式... 1895.6 本章总结... 197第6章 SparkApplication提交给集群的原理和源码详解... 1986.1 Spark Application到底是如何提交给集群的... 1986.1.1 Application提交参数配置详解... 1986.1.2 Application提交给集群原理详解... 1996.1.3 Application提交给集群源码详解... 2016.2 Spark Application是如何向集群申请资源的... 2116.2.1 Application申请资源的两种类型详解... 2116.2.2 Application申请资源的源码详解... 2136.3 从Application提交的角度重新审视Driver 2196.3.1 Driver到底是什么时候产生的... 2206.3.2 Driver和Master交互原理解析... 2386.3.3 Driver和Master交互源码详解... 2446.4 从Application提交的角度重新审视Executor 2496.4.1 Executor到底是什么时候启动的... 2496.4.2 Executor如何把结果交给Application. 2546.5 Spark 1.6 RPC内幕解密：运行机制、源码详解、Netty与Akka等... 2546.6 本章总结... 267第7章Shuffle原理和源码详解... 2687.1 概述... 2687.2 Shuffle的框架... 2697.2.1 Shuffle的框架演进... 2697.2.2 Shuffle的框架内核... 2707.2.3 Shuffle框架的源码解析... 2727.2.4 Shuffle数据读写的源码解析... 2757.3 Hash Based Shuffle. 2817.3.1 概述... 2817.3.2 Hash Based Shuffle内核... 2827.3.3 Hash Based Shuffle数据读写的源码解析... 2857.4 Sorted Based Shuffle. 2907.4.1 概述... 2927.4.2 Sorted BasedShuffle内核... 2937.4.3 Sorted BasedShuffle数据读写的源码解析... 2947.5 Tungsten Sorted Based Shuffle. 3027.5.1 概述... 3027.5.2 Tungsten SortedBased Shuffle内核... 3027.5.3 Tungsten SortedBased Shuffle数据读写的源码解析... 3037.6 Shuffle与Storage 模块间的交互... 3097.6.1 Shuffle注册的交互... 3107.6.2 Shuffle写数据的交互... 3147.6.3 Shuffle读数据的交互... 3157.6.4 BlockManager架构原理、运行流程图和源码解密... 3157.6.5 BlockManager解密进阶：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... 3247.7 本章总结... 341第8章 Job工作原理和源码详解... 3428.1 Job到底在什么时候产生... 3428.1.1 触发Job的原理和源码解析... 3428.1.2 触发Job的算子案例... 3448.2 Stage划分内幕... 3458.2.1 Stage划分原理详解... 3458.2.2 Stage划分源码详解... 3468.3 Task全生命周期详解... 3468.3.1 Task的生命过程详解... 3478.3.2 Task在Driver和Executor中交互的全生命周期原理和源码详解... 3488.4 ShuffleMapTask和ResultTask处理结果是如何被Driver管理的... 3648.4.1 ShuffleMapTask执行结果和Driver的交互原理及源码详解... 3648.4.2 ResultTask执行结果与Driver的交互原理及源码详解... 370第9章 Spark中Cache和checkpoint原理和源码详解... 3729.1 Spark中Cache原理和源码详解... 3729.1.1 Spark中Cache原理详解... 3729.1.2 Spark中Cache源码详解... 3729.2 Spark中checkpoint原理和源码详解... 3819.2.1 Spark中checkpoint原理详解... 3819.2.2 Spark中checkpoint源码详解... 3810章 Spark中Broadcast和Accumulator原理和源码详解... 39110.1 Spark中Broadcast原理和源码详解... 39110.1.1 Spark中Broadcast原理详解... 39110.1.2 Spark中Broadcast源码详解... 39310.2Spark中Accumulator原理和源码详解... 39610.2.1 Spark中Accumulator原理详解... 39610.2.2 Spark中Accumulator源码详解... 3961章 Spark与大数据其他经典组件整合原理与实战... 39911.1Spark组件综合应用... 39911.2 Spark与Alluo整合原理与实战... 40011.2.1 Spark与Alluo整合原理... 40011.2.2 Spark与Alluo整合实战... 40111.3 Spark与Job Server整合原理与实战... 40311.3.1 Spark与JobServer整合原理... 40311.3.2 Spark与JobServer整合实战... 40411.4 Spark与Redis整合原理与实战... 40611.4.1 Spark与Redis整合原理... 40611.4.2 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... 41212.1 通过RDD实现分析电影的用户行为信息... 41212.1.1 搭建IDEA开发环境... 41212.1.2 大数据电影点评系统中电影数据说明... 42512.1.3 电影点评系统用户行为分析统计实战... 42812.2 通过RDD实现电影流行度分析... 43112.3 通过RDD分析各种类型的最喜爱电影TopN及性能优化技巧... 43312.4 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... 43612.5 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... 43912.5.1 二次排序自定义Key值类实现（Java）... 44012.5.2 电影点评系统二次排序功能实现（Java）... 44212.5.3 二次排序自定义Key值类实现（Scala）... 44512.5.4 电影点评系统二次排序功能实现（Scala）... 44612.6 通过Spark SQL中的SQL语句实现电影点评系统用户行为分析... 44712.7 通过Spark SQL下的两种不同方式实现口碑电影分析... 45112.8 通过Spark SQL下的两种不同方式实现电影分析... 45612.9 通过DataFrame分析男性和女性喜爱电影TopN.. 45712.10 纯粹通过DataFrame分析电影点评系统仿和、淘宝等用户群... 46012.11 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... 46212.11.1 通过DataSet实现某特定电影观看者中男性和女性不同年龄的人数... 46312.11.2 通过DataSet方式计算所有电影中平均得分（口碑最好）的电影TopN.. 46412.11.3 通过DataSet方式计算所有电影中粉丝或者观看人数最多（电影）的电影TopN 46512.11.4 纯粹通过DataSet的方式实现所有电影中男性、女性喜爱的电影0. 46612.11.5 纯粹通过DataSet的方式实现所有电影中或者核心目标用户最喜爱电影TopN分析... 46712.11.6 纯粹通过DataSet的方式实现所有电影中淘宝核心目标用户最喜爱电影TopN分析 46912.12 大数据电影点评系统应用案例涉及的核心知识点原理、源码及案例代码... 47012.12.1 知识点：广播变量Broadcast内幕机制... 47012.12.2 知识点：SQL全局临时视图及临时视图... 47312.12.3 大数据电影点评系统应用案例完整代码... 47412.13 本章总结... 496
作者介绍
王家林，中国有名的Spark培训专家，ApacheSpark、Android技术中国区布道师，DT大数据梦工厂创始人和首席专家，Android软硬整合专家。深入研究了Spark中0.5.0到2.2.1中的共30个版本的Spark源码，尤其撞长Spark在生产环境下各种类型和场景的故陣排除和解决。目前致力于大数据Spark和人工智能TensorFlow的深度S合。段智华，就职于中国电信股份有限公司上海分公司，系统架构师，CSDNW客专家。专注于Spark大数据技术研发及准广，跟随Spark核心源码技术的发展，深入研究Spark2.1.1版本及Spark2.2.0版本的源码优化，对Spark大数据处理、机器学习等技术领域有丰富的实战经验和浓厚兴趣。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价