Spark大数据处理：技术、应用与性能优化
书籍均为精品二手图书品相85品以上，出库会经过高温消毒，书籍上架都会检测可保证正版!!
￥ 17.9 3.0折 ￥ 59 九品
仅1件
天津宝坻
认证卖家担保交易快速发货售后保障
作者高彦杰
出版社"机械工业出版社
ISBN9787111483861
出版时间2014
装帧平装
开本16开
纸张胶版纸
定价59元
货号979947274744365057
上书时间2024-11-16
- 在售商品 暂无
- 平均发货时间 12小时
- 好评率 暂无
商品详情
- 品相描述：九品
- 本店所售书籍均精品二手正版书书籍，严格审核品相为85品以上，出库会经过高温消毒，由于成本增加，所售书籍价格略高，运费首本5元，每增加一本运费加2元，每天下午2点前订单一般当天发出，最迟48小时内发出，二手书不保证100%没有任何笔记，有时会出现缺货现象，我们会第一时间告知您，感谢理解与支持。
- 商品描述
-
以下信息以网上匹配仅供参考，不支持以此为由退款
内容简介:
作为一个基于内存计算的大数据并行计算框架，Spark不仅很好地解决了数据的实时处理问题，而且保证了高容错性和高可伸缩性。具体来讲，它有如下优势：
打造全栈多计算范式的高效数据流水线
轻量级快速处理
易于使用，支持多语言
与HDFS等存储层兼容
社区活跃度高
……
Spark已经在全球范围内广泛使用，无论是Intel、Yahoo!、Twitter、阿里巴巴、百度、腾讯等国际互联网巨头，还是一些尚处于成长期的小公司，都在使用Spark。本书作者结合自己在微软和IBM实践Spark的经历和经验，编写了这本书。站着初学者的角度，不仅系统、全面地讲解了Spark的各项功能及其使用方法，而且较深入地探讨了Spark的工作机制、运行原理以及BDAS生态系统中的其他技术，同时还有一些可供操作的案例，能让没有经验的读者迅速掌握Spark。更为重要的是，本书还对Spark的性能优化进行了探讨。
目录:
前 言
第1章 Spark简介? 1
1.1 Spark是什么? 1
1.2 Spark生态系统BDAS? 4
1.3 Spark架构? 6
1.4 Spark分布式架构与单机多核
架构的异同? 9
1.5 Spark的企业级应用? 10
1.5.1 Spark在Amazon中的应用? 11
1.5.2 Spark在Yahoo!的应用? 15
1.5.3 Spark在西班牙电信的应用? 17
1.5.4 Spark在淘宝的应用? 18
1.6 本章小结? 20
第2章 Spark集群的安装与部署? 21
2.1 Spark的安装与部署? 21
2.1.1 在Linux集群上安装与配置Spark? 21
2.1.2 在Windows上安装与配置Spark? 30
2.2 Spark集群初试? 33
2.3 本章小结? 35
第3章 Spark计算模型? 36
3.1 Spark程序模型? 36
3.2 弹性分布式数据集? 37
3.2.1 RDD简介? 38
3.2.2 RDD与分布式共享内存的异同? 38
3.2.3 Spark的数据存储? 39
3.3 Spark算子分类及功能? 41
3.3.1 Value型Transformation算子? 42
3.3.2 Key-Value型Transformation算子? 49
3.3.3 Actions算子? 53
3.4 本章小结? 59
第4章 Spark工作机制详解? 60
4.1 Spark应用执行机制? 60
4.1.1 Spark执行机制总览? 60
4.1.2 Spark应用的概念? 62
4.1.3 应用提交与执行方式? 63
4.2 Spark调度与任务分配模块? 65
4.2.1 Spark应用程序之间的调度? 66
4.2.2 Spark应用程序内Job的调度? 67
4.2.3 Stage和TaskSetManager调度方式? 72
4.2.4 Task调度? 74
4.3 Spark I/O机制? 77
4.3.1 序列化? 77
4.3.2 压缩? 78
4.3.3 Spark块管理? 80
4.4 Spark通信模块? 93
4.4.1 通信框架AKKA? 94
4.4.2 Client、Master和Worker间的通信? 95
4.5 容错机制? 104
4.5.1 Lineage机制? 104
4.5.2 Checkpoint机制? 108
4.6 Shuffle机制? 110
4.7 本章小结? 119
第5章 Spark开发环境配置及流程? 120
5.1 Spark应用开发环境配置? 120
5.1.1 使用Intellij开发Spark程序? 120
5.1.2 使用Eclipse开发Spark程序? 125
5.1.3 使用SBT构建Spark程序? 129
5.1.4 使用Spark Shell开发运行Spark程序? 130
5.2 远程调试Spark程序? 130
5.3 Spark编译? 132
5.4 配置Spark源码阅读环境? 135
5.5 本章小结? 135
第6章 Spark编程实战? 136
6.1 WordCount? 136
6.2 Top K? 138
6.3 中位数? 140
6.4 倒排索引? 141
6.5 CountOnce? 143
6.6 倾斜连接? 144
6.7 股票趋势预测? 146
6.8 本章小结? 153
第7章 Benchmark使用详解? 154
7.1 Benchmark简介? 154
7.1.1 Intel Hibench与Berkeley BigDataBench? 155
7.1.2 Hadoop GridMix? 157
7.1.3 Bigbench、BigDataBenchmark与TPC-DS? 158
7.1.4 其他Benchmark? 161
7.2 Benchmark的组成? 162
7.2.1 数据集? 162
7.2.2 工作负载? 163
7.2.3 度量指标? 167
7.3 Benchmark的使用? 168
7.3.1 使用Hibench? 168
7.3.2 使用TPC-DS? 170
7.3.3 使用BigDataBench? 172
7.4 本章小结? 176
第8章 BDAS简介? 177
8.1 SQL on Spark? 177
8.1.1 使用Spark SQL的原因? 178
8.1.2 Spark SQL架构分析? 179
8.1.3 Shark简介? 182
8.1.4 Hive on Spark? 184
8.1.5 未来展望? 185
8.2 Spark Streaming? 185
8.2.1 Spark Streaming简介? 186
8.2.2 Spark Streaming架构? 188
8.2.3 Spark Streaming原理剖析? 189
8.2.4 Spark Streaming调优? 198
8.2.5 Spark Streaming 实例? 198
8.3 GraphX? 205
8.3.1 GraphX简介? 205
8.3.2 GraphX的使用? 206
8.3.3 GraphX架构? 209
8.3.4 运行实例? 211
8.4 MLlib? 215
8.4.1 MLlib简介? 217
8.4.2 MLlib的数据存储? 219
8.4.3 数据转换为向量（向量空间模型VSM）? 222
8.4.4 MLlib中的聚类和分类? 223
8.4.5 算法应用实例? 228
8.4.6 利用MLlib进行电影推荐? 230
8.5 本章小结? 237
第9章 Spark性能调优? 238
9.1 配置参数? 238
9.2 调优技巧? 239
9.2.1 调度与分区优化? 240
9.2.2 内存存储优化? 243
9.2.3 网络传输优化? 249
9.2.4 序列化与压缩? 251
9.2.5 其他优化方法? 253
9.3 本章小结? 255
— 没有更多了 —
以下为对购买帮助不大的评价