Spark海量数据处理：技术详解与平台实战
范东来
4542人在读
35.5万字总字数
¥63.36定价
范东来
本书基于Spark发行版2.4.4写作而成，包含大量的实例与一个完整项目，层次分明，循序渐进。全书分为3部分，涵盖了技术理论与实战，读者可以从实战中巩固学习到的知识。第一部分主要围绕BDAS（伯克利数据分析栈），不仅介绍了如何开发Spark应用的基础内容，还介绍了Structured Streaming、Spark机器学习、Spark图挖掘、Spark深度学习等高级主题，此外还介绍了Alluxio系统。第二部分实现了一个企业背景调查系统，比较新颖的是，该系统借鉴了数据湖与Lambda架构的思想，涵盖了批处理、流处理应用开发，并加入了一些开源组件来满足需求，既是对本书第一部分很好的巩固，又完整呈现了一个实时大数据应用的开发过程。第三部分是对全书的总结和展望。 本书适合准备学习Spark的开发人员和数据分析师，以及准备将Spark应用到实际项目中的开发人员和管理人员阅读，也适合计算机相关专业的高年级本科生和研究生学习和参考，对于具有一定的Spark使用经验并想进一步提升的数据科学从业者也是很好的参考资料。
Spark源自加州大学伯克利分校的AMP实验室，经过开源社区的多年耕耘，目前已发展成大数据生态圈中最重要的技术之一。Spark的流行不仅在计算机从业人员中，而且一些业务人员、产品经理也经常用Spark进行数据分析，Spark的影响力可见一斑。书中心心念念的Spark 3.0.0已经于2020年6月18日发布了！
期待国内大厂能弄出一个纯国产的，能替代 Spark
这本书出版很新，涵盖以spark为核心的大数据生态技术，可以供学习参考
就当一个spark学习目录吧 东西是很全，但是每个知识点都讲的太短，作者为了讲更多的东西把很多高深的知识点浓缩成几百字，卷积网络一点是一点没看懂
工具指引：spark，机器学习，图
只看了设计架构和sparksql,dataframe 等部分，对实时计算和图论这块没有工作上的交集就忽略了。 整体上加深了对spark的进一步理解，尤其像我这种既是sql的深度用户，同时也是 pandas 用户，对于sparksql 和 dataframe 的简约设计有天然的好感。 虽然现在工作更多还是以hql方式来处理批数据，但不妨碍后续通过web方式来执行hql + sparksql 混写。
面向数据，一切都是数据，行为是可运行的数据。 神： 1方法声明 2 trait:方法声明的集合 3 抽象类：方法声明的集合加上部分方法的实现加数据 4 类：方法加数据 形： 1 方法实现 2 对象 形托于神
介绍很条理，包括spark的发展历史，这些详细梳理在官方的tutorial中是看不到的。 除了spark工具介绍，也对数据仓库架构和数据湖架构做了比较，有一个简单的例子介绍lambda架构
推荐阅读，虽然对新手不友好，关于基础部分一笔带过。但是，观其后面部分，能开阔思路，学习一些新的知识和相关的业务场景。
作者感觉有点说不清楚复杂的架构，好多地方都是看文章看了两三遍没看懂，看架构图秒懂