[
-
内容大纲
本书以Python作为开发Spark应用程序的编程语言，系统介绍了Spark编程的基础知识。全书共8章，内容包括大数据技术概述、Spark的设计与运行原理、Spark环境搭建和使用方法、RDD编程、Spark SQL、Spark Streaming、Structured Streaming、Spark MLlib等。本书在相关章安排了入门级的编程实践操作，以便读者能更好地学习和掌握Spark编程方法。本书网站免费提供全套的在线教学资源，包括讲义PPT、习题、源代码、软件、数据集、授课视频、上机实验指南等。
本书可以作为高等院校计算机、软件工程、数据科学与大数据技术等专业的进阶级大数据课程教材，用于指导Spark编程实践，也可供相关技术人员参考。 -
作者介绍
-
目录
第1章 大数据技术概述
1.1 大数据概念与关键技术
1.1.1 大数据的概念
1.1.2 大数据关键技术
1.2 代表性大数据技术
1.2.1 Hadoop
1.2.2 Spark
1.2.3 Flink
1.2.4 Beam
1.3 编程语言的选择
1.4 在线资源
1.5 本章小结
1.6 习题
实验1 Linux系统的安装和常用命令
第2章 Spark的设计与运行原理
2.1 概述
2.2 Spark生态系统
2.3 Spark运行架构
2.3.1 基本概念
2.3.2 架构设计
2.3.3 Spark运行基本流程
2.3.4 RDD的设计与运行原理
2.4 Spark的部署方式
2.5 本章小结
2.6 习题
第3章 Spark环境搭建和使用方法
3.1 安装Spark
3.1.1 基础环境
3.1.2 下载安装文件
3.1.3 配置相关文件
3.1.4 验证Spark是否安装成功
3.1.5 Spark和Hadoop的交互
3.2 在pyspark中运行代码
3.2.1 pyspark命令
3.2.2 启动pyspark
3.3 开发Spark独立应用程序
3.3.1 编写程序
3.3.2 通过spark-submit运行程序
3.4 Spark集群环境搭建
3.4.1 集群概况
3.4.2 搭建Hadoop集群
3.4.3 在集群中安装Spark
3.4.4 配置环境变量
3.4.5 Spark的配置
3.4.6 启动Spark集群
3.4.7 关闭Spark集群
3.5 在集群上运行Spark应用程序
3.5.1 启动Spark集群
3.5.2 采用独立集群管理器
3.5.3 采用Hadoop YARN管理器
3.6 本章小结
3.7 习题
实验2 Spark和Hadoop的安装
第4章 RDD编程
4.1 RDD编程基础
4.1.1 RDD创建
4.1.2 RDD操作
4.1.3 持久化
4.1.4 分区
4.1.5 一个综合实例
4.2 键值对RDD
4.2.1 键值对RDD的创建
4.2.2 常用的键值对转换操作
4.2.3 一个综合实例
4.3 数据读写
4.3.1 文件数据读写
4.3.2 读写HBase数据
4.4 综合实例
4.4.1 求TOP值
4.4.2 文件排序
4.4.3 二次排序
4.5 本章小结
4.6 习题
实验3 RDD编程初级实践
第5章 Spark SQL
5.1 Spark SQL简介
5.1.1 从Shark说起
5.1.2 Spark SQL架构
5.1.3 为什么推出Spark SQL
5.2 DataFrame概述
5.3 DataFrame的创建
5.4 DataFrame的保存
5.5 DataFrame的常用操作
5.6 从RDD转换得到DataFrame
5.6.1 利用反射机制推断RDD模式
5.6.2 使用编程方式定义RDD模式
5.7 使用Spark SQL读写数据库
5.7.1 准备工作
5.7.2 读取MySQL数据库中的数据
5.7.3 向MySQL数据库写入数据
5.8 本章小结
5.9 习题
实验4 Spark SQL编程初级实践
第6章 Spark Streaming
6.1 流计算概述
6.1.1 静态数据和流数据
6.1.2 批量计算和实时计算
6.1.3 流计算概念
6.1.4 流计算框架
6.1.5 流计算处理流程
6.2 Spark Streaming
6.2.1 Spark Streaming设计
6.2.2 Spark Streaming与Storm的对比
6.2.3 从“Hadoop+Storm”架构转向Spark架构
6.3 DStream操作概述
6.3.1 Spark Streaming工作机制
6.3.2 编写Spark Streaming程序的基本步骤
6.3.3 创建StreamingContext对象
6.4 基本输入源
6.4.1 文件流
6.4.2 套接字流
6.4.3 RDD队列流
6.5 高级数据源
6.5.1 Kafka简介
6.5.2 Kafka准备工作
6.5.3 Spark准备工作
6.5.4 编写Spark Streaming程序使用Kafka数据源
6.6 转换操作
6.6.1 DStream无状态转换操作
6.6.2 DStream有状态转换操作
6.7 输出操作
6.7.1 把DStream输出到文本文件中
6.7.2 把DStream写入到关系数据库中
6.8 本章小结
6.9 习题
实验5 Spark Streaming编程初级实践
第7章 Structured Streaming
7.1 概述
7.1.1 基本概念
7.1.2 两种处理模型
7.1.3 Structured Streaming和Spark SQL、Spark Streaming的关系
7.2 编写Structured Streaming程序的基本步骤
7.2.1 实现步骤
7.2.2 测试运行
7.3 输入源
7.3.1 File源
7.3.2 Kafka源
7.3.3 Socket源
7.3.4 Rate源
7.4 输出操作
7.4.1 启动流计算
7.4.2 输出模式
7.4.3 输出接收器
7.5 容错处理
7.5.1 从检查点恢复故障
7.5.2 故障恢复中的限制
7.6 迟到数据处理
7.6.1 事件时间
7.6.2 迟到数据
7.6.3 水印
7.6.4 多水印规则
7.6.5 处理迟到数据的实例
7.7 查询的管理和监控
7.7.1 管理和监控的方法
7.7.2 一个监控的实例
7.8 本章小结
7.9 习题
实验6 Structured Streaming编程实践
第8章 Spark MLlib
8.1 基于大数据的机器学习
8.2 机器学习库MLlib概述
8.3 基本数据类型
8.3.1 本地向量
8.3.2 标注点
8.3.3 本地矩阵
8.4 机器学习流水线
8.4.1 流水线的概念
8.4.2 流水线工作过程
8.5 特征提取、转换和选择
8.5.1 特征提取
8.5.2 特征转换
8.5.3 特征选择
8.5.4 局部敏感哈希
8.6 分类算法
8.6.1 逻辑斯蒂回归分类器
8.6.2 决策树分类器
8.7 聚类算法
8.7.1 K-Means聚类算法
8.7.2 GMM聚类算法
8.8 协同过滤算法
8.8.1 推荐算法的原理
8.8.2 ALS算法
8.9 模型选择和超参数调整
8.9.1 模型选择工具
8.9.2 用交叉验证选择模型
8.10 本章小结
8.11 习题
实验7 Spark机器学习库MLlib编程实践
参考文献
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...