循序渐进学Spark

看的第二本spark的书，出版时间较新选的，马马虎虎，大量贴代码不说明的情况，没有详细介绍架构和设计思想，但是又写着核心代码分析，应用也没写多少，实在差强人意，不过总体架构的说明和最后的优化总结也算是一些亮点。

Spark基本概念概述 1⃣️Spark生态系统的主要组成部分，包括Spark SQL、Spark Streaming、MLlib和GraphX 2⃣️RDD是Spark的核心数据结构，通过RDD的依赖关系形成Spark的调度顺序。 3⃣️Spark是Hadoop MapReduce的演化和改进，并兼容了一些数据库的基本思想，可以说，Spark一开始就站在Hadoop与数据库这两个巨人的肩膀上 4⃣️Spark弹性数据集RDD有两种创建方式：从文件系统输入（如HDFS）和从已存在的RDD转换得到新的RDD。 5⃣️Spark的快速及容错等特性，让数据处理分析显得游刃有余 6⃣️Spark Core是整个BDAS的核心组件，是一种大数据分布式处理框架，不仅实现了MapReduce的算子map函数和reduce函数及计算模型，还提供如filter、join、groupByKey等更丰富的算子 7⃣️Spark采用了事件驱动的类库AKKA来启动任务，通过线程池复用线程来避免线程启动及切换产生的开销 8⃣️Spark是一种与Hadoop MapReduce类似的开源集群大数据计算分析框架 9⃣️Spark架构采用了分布式计算中的Master-Slave模型

建议使用前两种存储级别即可。对于缓存到磁盘，从磁盘读取数据与数据重算在速度上是差不多的，而且会有大量的I/O ，故不建议缓存到磁盘。对于副本，由于RDD 内部有完善的容错机制，所以也是不必要的。

全篇都在堆代码，代码比文字还多。作者自己都没把spark整明白。

本书逻辑比较流畅，配图也比较详细，刚刚接触spark，挑了好几本书，只有这个能够看到最后

Spark入门学习不错的一本书，推荐一下

demo级的 没有综合性的案例

整体不错。对RDD的思想介绍得不够详细。