Spark快速數據處理
Spark快速數據處理
Spark是一個開源的通用並行分布式計算框架，由加州大學伯克利分校的AMP實驗室開發，支持內存計算、多迭代批量處理、即席查詢、流處理和圖計算等多種范式。
Spark內存計算框架適合各種迭代算法和交互式數據分析，能夠提升大數據處理的實時性和准確性，現已逐漸獲得很多企業的支持，如阿里巴巴、百度、網易、英特爾等公司。
本書系統講解Spark的使用方法，包括如何在多種機器上安裝Spark，如何配置一個Spark集群，如何在交互模式下運行第一個Spark作業，如何在Spark集群上構建一個生產級的脫機/獨立作業，如何與Spark集群建立連接和使用SparkContext，如何創建和保存RDD（彈性分布式數據集），如何用Spark分布式處理數據，如何設置Shark，將Hive查詢集成到你的Spark作業中來，如何測試Spark作業，以及如何提升Spark任務的性能。
Holden Karau，資深軟件開發工程師，現就職於Databricks公司，之前曾就職於谷歌、亞馬遜、微軟和Foursquare等著名公司。他對開源情有獨鍾，參與了許多開源項目，如Linux內核無線驅動、Android程序監控、搜索引擎等，對存儲系統、推薦系統、搜索分類等都有深入研究。
