消息 首页 搜索 举报
  • Spark技术内幕
21年品牌 40万+商家 超1.5亿件商品

Spark技术内幕

正版图书 真实库存欢迎选购 套装图书先联系再下单 套装图书请先咨询客服再下单

￥ 7.92 1.6折 ￥ 49 九品

库存2件

湖南长沙
认证卖家担保交易快速发货售后保障

作者张安站

出版社机械工业出版社

ISBN9787111509646

出版时间2015-09

装帧平装

开本16开

定价49元

货号1016925519830695952

上书时间2024-10-26

润田图书店

四年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：九品
商品描述
前言
　　诞生于2005年的Hadoop解决了大数据的存储和计算问题，已经成为大数据处理的事实标准。但是，随着数据规模的爆炸式增长和计算场景的丰富细化，使得Hadoop越来越难以满足用户的需求。针对不同的计算场景，开源社区和各大互联网公司也推出了各种大数据分析的平台，旨在满足特定应用场景下的计算需求。但是，众多的平台使得用户不得不为平台开发类似的策略，这增加了运维开发成本。

　　2009年诞生于AMPLab的Spark，它的设计目标就是为大数据的多种计算场景提供一个通用的计算引擎，同时解决大数据处理的4V难题，即Volume（海量）、Velocity（快速）、Variety（多样）、Value（价值）。正如Spark的核心作者之一的Ion Stoica所说，“The goal is to build a new generation of data analytics software，to be used across academia and industry。” Hadoop之父Doug Cutting也说过，MapReduce引擎将被Spark替代（Use of MapReduce engine for Big Data projects will decline，replaced by Apache Spark）。可以说，Spark自诞生之日起就得到了广泛的关注，也是近年来开源社区最活跃的项目之一。Spark 的1.X版本的每次发布，都包含了数百位贡献者的上千次提交。最新的版本是发布于2015年6月11日的1.4.0，是迄今为止Spark最大的一次版本发布，涵盖了210位开发者的贡献。

　　Spark得到了众多大数据公司的支持，这些公司包括Hortonworks、IBM、Intel、Cloudera、MapR、Pivotal和星环科技；Spark也被百度、阿里、腾讯、京东、携程、优酷土豆等互联网公司应用到多种不同的计算场景中，并且在实际的生产环境中获得了很多收益。当前百度的Spark已应用于凤巢、大搜索、直达号、百度大数据等业务；阿里利用GraphX构建了大规模的图计算和图挖掘系统，实现了很多生产系统的推荐算法；腾讯Spark集群达到8000台的规模，是当前已知的世界上最大的Spark集群。

　　但是，当前并没有一本系统介绍Spark内核实现原理的书，而Spark内核是Spark SQL、Spark Streaming、MLlib、GraphX等多个模块的基础，这些模块最终的计算执行都是由内核模块完成的。为了在应用开发中做到游刃有余，在性能调优时做到有的放矢，需要了解内核模块的实现原理。笔者从Spark 发布版本0.8.1时开始关注Spark，并深入学习内核模块的架构实现原理。Spark在1.0发布后，内核模块趋于稳定，虽然内核模块依旧会有不断地改进和完善，但是整体的设计思想和实现方法是不会变的，因此笔者决定为Spark社区的用户和关注者写一本书，详细介绍Spark内核模块的实现原理。最终，笔者基于Spark 1.2.0版本完成了本书。

　　写作是一件严肃的事情，同样是一份苦差事，尤其是在工作比较忙的时候。本书在半年前就完成了基本的框架，但是随后又对本书进行了多次修改和完善。笔者认为，对一本架构分析的书，一个最基本的要求就是基于源码如实描述系统的实现，能做到这点就是一本及格的书；如果能做到分析这个架构的好坏，指出架构改进的方案，那么就是一本质量比较好的书；如果能高屋建瓴地进行再次抽象，指出类似架构不同实现的优劣，抽象出一些理论，那么这就是一本质量上乘，可以当作教科书的书。我深知自己的能力水平，希望这本书最起码是一本及格的书，即能基于源码如实描述系统的实现，对那些希望深入学习Spark架构实现的同仁有所帮助。

　　目标读者

　　本书适合大数据领域的架构师、运维人员，尤其是Spark领域的从业人员阅读，也适合作为研究生和高年级的本科生大数据领域分布式架构具体实现原理的参考资料。

　　内容概述

　　第1章介绍了Spark的技术背景和特点，给出了架构的整体概述，并简单介绍了Spark的生态圈。

　　第2章介绍了Spark源码如何获取和学习环境如何搭建。

　　第3章是RDD的详细介绍，介绍了RDD的定义和Spark对于DAG的实现，最后通过RDD计算的详细介绍，讲解了Spark对于计算的实现原理。

　　第4章详细介绍任务调度的实现，包括如何通过DAG来生成计算任务，最后通过“Word Count”来加深对这个实现过程的理解。

　　第5章介绍了Spark的运行模式，尤其是Standalone模式。Standalone是Spark自身实现的资源管理和调度的模块，这里会详细介绍它的实现原理。

　　第6章是Executor模块的详细讲解。Executor是最终执行计算任务的单元，这章将详细介绍Executor的实现原理，包括Executor的分配、Task在Executor的详细执行过程。

　　第7章详细介绍了Spark对于Shuffle的实现原理，包括基于Hash和基于排序的实现。除了详细阐述基于Hash和排序的Shuffle写和Shuffle读之外，还介绍了Shuffle Pluggable框架，为需要实现特定Shuffle逻辑的读者介绍其实现原理。

　　第8章详细介绍了Spark的Storage模块，在详细介绍了模块的架构后详细解析了不同存储级别的实现细节。

　　第9章介绍了Spark在百度、腾讯和阿里等国内互联网领域的应用现状。

　　致谢

　　本书在写作的过程中，得到了很多朋友、同仁的帮助和支持，在此表示衷心感谢！

　　感谢七牛云的技术总监陈超先生、蘑菇街的资深架构师刘旭晖先生、百度公司的高级架构师柴华先生、Databricks软件工程师连城先生在百忙之中为本书审稿，并提出了很多宝贵的修改意见。尤其感谢星环科技的创始人兼CTO孙元浩先生对本书的完成给予了很多的支持，还在百忙之中为本书作序。感谢华为诺亚方舟实验室的董振华博士，在Spark上做机器学习方面给了我很多指导。

　　感谢百度上海研发中心网页搜索部的同事们。在一年多的工作中，笔者得到了很多同事的指导、支持和帮助，尤其感谢曲晶莹、吴永巍、汪韬、葛俊、刘桐仁、段雪涛、周波涛、马鑫云、李战平、杨大毛、朱晓阳、赵鹏程等。

　　感谢机械工业出版社的姚蕾编辑，她不但积极策划和推动本书的出版，还容忍我蜗牛般的写作速度；感谢她在这一年多的时间中给予的理解与支持。感谢机械工业出版社的李艺编辑为本书做了非常辛苦和专业的编辑工作。

　　还要感谢我的家人一直以来对我的支持和宽容。感谢父亲、母亲和三个姐姐，你们是我漫漫求学路的最强大支柱和后盾；感谢我的妻子王珊珊，不但在家庭方面付出很多，也为本书的顺利出版做出了很重要的贡献；感谢我的女儿，你的微笑是爸爸消除疲惫的良药。

目录
序

前言

第1章　Spark简介1

1.1Spark的技术背景1

1.2Spark的优点2

1.3Spark架构综述4

1.4Spark核心组件概述5

1.4.1Spark Streaming5

1.4.2MLlib6

1.4.3Spark SQL7

1.4.4　GraphX8

1.5Spark的整体代码结构规模8

第2章　Spark学习环境的搭建9

2.1源码的获取与编译9

2.1.1源码获取9

2.1.2源码编译10

2.2构建Spark的源码阅读环境11

2.3小结15

第3章　RDD实现详解16

3.1概述16

3.2什么是RDD17

3.2.1RDD的创建19

3.2.2RDD的转换20

3.2.3　RDD的动作22

3.2.4RDD的缓存23

3.2.5RDD的检查点24

3.3RDD的转换和DAG的生成25

3.3.1RDD的依赖关系26

3.3.2DAG的生成30

3.3.3Word Count的RDD转换和DAG划分的逻辑视图30

3.4RDD的计算33

3.4.1Task简介33

3.4.2Task的执行起点33

3.4.3缓存的处理35

3.4.4checkpoint的处理37

3.4.5RDD的计算逻辑39

3.5RDD的容错机制39

3.6小结40

第4章　Scheduler 模块详解41

4.1模块概述41

4.1.1整体架构41

4.1.2Scheduler的实现概述43

4.2DAGScheduler实现详解45

4.2.1DAGScheduler的创建46

4.2.2Job的提交48

4.2.3Stage的划分49

4.2.4任务的生成54

4.3任务调度实现详解57

4.3.1TaskScheduler的创建57

4.3.2Task的提交概述58

4.3.3任务调度具体实现61

4.3.4Task运算结果的处理65

4.4Word Count调度计算过程详解72

4.5小结74

第5章　Deploy模块详解76

5.1　Spark运行模式概述76

5.1.1　local77

5.1.2Mesos78

5.1.3YARN82

5.2模块整体架构86

5.3消息传递机制详解87

5.3.1Master和Worker87

5.3.2Master和Client89

5.3.3Client和Executor91

5.4集群的启动92

5.4.1Master的启动92

5.4.2Worker的启动96

5.5集群容错处理98

5.5.1Master 异常退出98

5.5.2Worker异常退出99

5.5.3Executor异常退出101

5.6Master HA实现详解102

5.6.1Master启动的选举和数据恢复策略103

5.6.2集群启动参数的配置105

5.6.3Curator Framework简介 106

5.6.4ZooKeeperLeaderElectionAgent的实现109

5.7小结110

第6章　Executor模块详解112

6.1Standalone模式的Executor分配详解113

6.1.1SchedulerBackend创建AppClient114

6.1.2AppClient向Master注册Application116

6.1.3Master根据AppClient的提交选择Worker119

6.1.4Worker根据Master的资源分配结果创建Executor121

6.2Task的执行122

6.2.1依赖环境的创建和分发123

6.2.2任务执行125

6.2.3任务结果的处理128

6.2.4Driver端的处理130

6.3　参数设置131

6.3.1　spark.executor.memory131

6.3.2日志相关132

6.3.3spark.executor.heartbeatInterval132

6.4小结133

第7章　Shuffle模块详解134

7.1Hash Based Shuffle Write135

7.1.1Basic Shuffle Writer实现解析136

7.1.2存在的问题138

7.1.3Shuffle Consolidate Writer139

7.1.4小结140

7.2Shuffle Pluggable 框架141

7.2.1org.apache.spark.shuffle.ShuffleManager141

7.2.2org.apache.spark.shuffle.ShuffleWriter143

7.2.3org.apache.spark.shuffle.ShuffleBlockManager143

7.2.4org.apache.spark.shuffle.ShuffleReader144

7.2.5如何开发自己的Shuffle机制144

7.3Sort Based Write144

7.4Shuffle Map Task运算结果的处理148

7.4.1Executor端的处理148

7.4.2Driver端的处理150

7.5Shuffle Read152

7.5.1整体流程152

7.5.2数据读取策略的划分155

7.5.3本地读取156

7.5.4远程读取158

7.6性能调优160

7.6.1spark.shuffle.manager160

7.6.2spark.shuffle.spill162

7.6.3spark.shuffle.memoryFraction和spark.shuffle.safetyFraction162

7.6.4spark.shuffle.sort.bypassMergeThreshold 163

7.6.5spark.shuffle.blockTransferService 163

7.6.6spark.shuffle.consolidateFiles 163

7.6.7spark.shuffle.compress和 spark.shuffle.spill.compress164

7.6.8spark.reducer.maxMbInFlight165

7.7小结165

第8章　Storage模块详解167

8.1模块整体架构167

8.1.1整体架构167

8.1.2源码组织结构170

8.1.3Master 和Slave的消息传递详解173

8.2存储实现详解181

8.2.1存储级别181

8.2.2模块类图184

8.2.3org.apache.spark.storage.DiskStore实现详解186

8.2.4org.apache.spark.storage.MemoryStore实现详解188

8.2.5org.apache.spark.storage.TachyonStore实现详解189

8.2.6Block存储的实现190

8.3性能调优194

8.3.1spark.local.dir194

8.3.2spark.executor.memory194

8.3.3spark.storage.memoryFraction194

8.3.4spark.streaming.blockInterval195

8.4小结195

第9章　企业应用概述197

9.1Spark在百度197

9.1.1现状197

9.1.2百度开放云BMR的Spark198

9.1.3在Spark中使用Tachyon199

9.2Spark在阿里200

9.3Spark在腾讯200

9.4小结201

内容摘要
　　Spark是不断壮大的大数据分析解决方案家族中备受关注的新增成员。它不仅为分布式数据集的处理提供一个有效框架，而且以高效的方式处理分布式数据集。它支持实时处理、流处理和批处理，提供了AllinOne的统一解决方案，使得Spark极具竞争力。《Spark技术内幕：深入解析Spark内核架构设计与实现原理》以源码为基础，深入分析Spark内核的设计理念和架构实现，系统讲解各个核心模块的实现，为性能调优、二次开发和系统运维提供理论支持；本文最后以项目实战的方式，系统讲解生产环境下Spark应用的开发、部署和性能调优。

   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

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP