Spark實戰/電腦科學先進技術譯叢

作者：(美)彼得·澤斯維奇//馬可·波納奇|譯者:鄭美珠//田華//王佐兵
出版社：機械工業
ISBN：9787111617488

出版日期：2019/08/01
裝幀：平裝
頁數：372

人民幣：RMB 99 元售價：元

內容大鋼

本書介紹了Spark應用程序及更高級應用的工作流程，主要從使用角度進行了描述，每個具體內容都有對應的代碼。本書涵蓋了Apache Spark和它豐富的API，構成Spark的組件（包括Spark SQL、Spark Streaming、Spark MLlib和Spark GraphX），在Spark standalone、 Hadoop YARN以及 Mesos clusters上運行Spark應用程序的部署和安裝。通過對應的實例全面、詳細地介紹了整個Spark實戰開發的流程。最後，還介紹了Spark的高級應用，包括Spark流應用程序及可擴展和快速的機器學習框架H2O。
本書可以作為高等院校電腦、軟體工程、數據科學與大數據技術等專業的大數據課程材料，可用於指導Spark編程實踐，也可供相關技術人員參考使用。

作者介紹

(美)彼得·澤斯維奇//馬可·波納奇|譯者:鄭美珠//田華//王佐兵

譯者序
致謝
前言
關於本書
關於作者
關於封面
第1部分  第1步
  第1章  Apache Spark介紹
    1.1  什麼是Spark
      1.1.1  Spark革命
      1.1.2  MapReduce的缺點
      1.1.3  Spark帶來了什麼有價值的東西
    1.2  Spark組件
      1.2.1  Spark核心
      1.2.2  Spark SQL
      1.2.3  Spark Streaming
      1.2.4  Spark MLlib
      1.2.5  Spark GraphX
    1.3  Spark程序流
    1.4  Spark生態系統
    1.5  建立spark-in-action虛擬機
      1.5.1  下載啟動虛擬機
      1.5.2  停止虛擬機
    1.6  總結
  第2章  Spark基礎
    2.1  使用spark-in-action虛擬機
      2.1.1  複製Spark in Action GitHub存儲庫
      2.1.2  找到java
      2.1.3  用虛擬機的Hadoop安裝
      2.1.4  檢查虛擬機的Spark安裝
    2.2  用Spark shell（殼）編寫第一個Spark程序
      2.2.1  啟動Spark shell
      2.2.2  第一個Spark代碼示例
      2.2.3  彈性分散式數據集的概念
    2.3  基礎RDD行為和轉換
      2.3.1  使用用map轉換
      2.3.2  使用distinct和flatMap轉換
      2.3.3  使用sample、take和takeSample操作獲取RDD的元素
    2.4  Double RDD功能
      2.4.1  Double RDD基本統計
      2.4.2  使用直方圖可視化數據分佈
      2.4.3  近似求和與平均值
    2.5  總結
  第3章  編寫Spark應用程序
    3.1  在Eclipse上生成一個新的Spark項目
    3.2  開發應用程序
      3.2.1  準備 GitHub檔案數據
      3.2.2  載入 JSON
      3.2.3  從Eclipse運行應用
      3.2.4  數據匯總

      3.2.5  排除非公司員工
      3.2.6  廣播變數
      3.2.7  使用整個數據集
    3.3  提交應用程序
      3.3.1  建立uberjar
      3.3.2  調整應用程序
      3.3.3  使用spark-submit
    3.4  總結
  第4章  深入Spark API
    4.1  使用鍵值對RDD
      4.1.1  創建鍵值對RDD
      4.1.2  鍵值對RDD的基本功能
    4.2  了解數據分區和減少數據混排
      4.2.1  使用spark數據分區器
      4.2.2  了解和避免不必要的數據混排
      4.2.3  RDD重新分區
      4.2.4  在分區中映射數據
    4.3  連接、排序、分組數據
      4.3.1  連接數據
      4.3.2  數據排序
      4.3.3  數據分組
    4.4  理解RDD依賴
      4.4.1  RDD依賴和Spark執行
      4.4.2  Spark階段和任務
      4.4.3  使用檢查點保存Spark譜系
    4.5  使用累加器和廣播變數與spark執行器進行溝通
      4.5.1  使用累加器從執行器獲取數據
      4.5.2  使用廣播變數將數據發送數據到執行器
    4.6  總結
第2部分  認識Spark家族
  第5章  Spark SQL查詢
    5.1  使用DataFrames
      5.1.1  從RDD創建DataFrames
      5.1.2  DataFrame API 基礎知識
      5.1.3  用SQL函數執行數據計算
      5.1.4  使用缺失值
      5.1.5  將DataFrames轉換為RDD
      5.1.6  分組和連接數據
      5.1.7  執行連接
    5.2  超越DataFrames：引入DataSet
    5.3  使用SQL命令
      5.3.1  表目錄和Hive metastore
      5.3.2  執行SQL查詢
      5.3.3  通過Thrift伺服器連接到Spark SQL
    5.4  保存並載入DataFrame數據
      5.4.1  內置數據源
      5.4.2  保存數據
      5.4.3  載入數據
    5.5  Catalyst優化器
    5.6  Tungsten性能改進

    5.7  總結
  第6章  使用Spark Streaming提取數據
    6.1  編寫Spark Streaming應用程序
      6.1.1  介紹示常式序
      6.1.2  創建流上下文
      6.1.3  創建離散流
      6.1.4  使用離散流
      6.1.5  把結果保存到文檔
      6.1.6  啟動和停止流計算
      6.1.7  隨著保存計算狀態
      6.1.8  使用窗口操作進行限制計算
      6.1.9  檢查其他內置輸入流
    6.2  使用外部數據源
      6.2.1  設置kafka
      6.2.2  使用kafka更改流應用程序
    6.3  Spark Streaming任務的性能
      6.3.1  獲得良好的性能
      6.3.2  實現容錯
    6.4  結構化流
      6.4.1  創建流式DataFrame
      6.4.2  輸出流數據
      6.4.3  檢查流執行
      6.4.4  結構化流的未來方向
    6.5  總結
  第7章  使用MLlib變聰明
    7.1  機器學習簡介
      7.1.1  機器學習的定義
      7.1.2  機器學習演算法分類
      7.1.3  使用Spark進行機器學習
    7.2  Spark中的線性代數
      7.2.1  本地向量與矩陣實現
      7.2.2  分散式矩陣
    7.3  線性回歸
      7.3.1  有關線性回歸
      7.3.2  簡單的線性回歸
      7.3.3  將模型擴展到多元線性回歸
    7.4  分析和準備數據
      7.4.1  分析數據分佈
      7.4.2  分析列餘弦相似性
      7.4.3  協方差矩陣的計算
      7.4.4  轉化為標記點
      7.4.5  拆分數據
      7.4.6  特徵縮放和平均歸一化
    7.5  擬合和使用線性回歸模型
      7.5.1  預測目標值
      7.5.2  評估模型性能
      7.5.3  解釋模型參數
      7.5.4  載入和保存模型
    7.6  調整演算法
      7.6.1  找到正確的步長和迭代次數

      7.6.2  添加高階多項式
      7.6.3  偏差-方差權衡和模型複雜度
      7.6.4  繪製殘差圖
      7.6.5  利用正則化避免過度擬合
      7.6.6  k折交叉驗證
    7.7  優化線性回歸
      7.7.1  小批量隨機梯度下降
      7.7.2  LBFGS優化
    7.8  總結
  第8章  ML：分類和聚類
    8.1  Spark ML 圖書館
      8.1.1  估計器，變壓器和評估器
      8.1.2  ML參數
      8.1.3  ML管道
    8.2  邏輯回歸
      8.2.1  二元邏輯回歸模型
      8.2.2  準備數據在Spark中使用邏輯回歸
      8.2.3  訓練模型
      8.2.4  評估分類模型
      8.2.5  執行k折交叉驗證
      8.2.6  多類邏輯回歸
    8.3  決策樹和隨機森林
      8.3.1  決策樹
      8.3.2  隨機森林
    8.4  使用k均值聚類
      8.4.1  k均值聚類
    8.5  總結
  第9章  使用GraphX連接點
    9.1  Spark圖處理
      9.1.1  使用GraphX API構造圖
      9.1.2  轉換圖
    9.2  圖演算法
      9.2.1  數據集的介紹
      9.2.2  最短路徑演算法
      9.2.3  頁面排名
      9.2.4  連通分量
      9.2.5  強連通分量
    9.3  實現A *搜索演算法
      9.3.1  了解A *搜索演算法
      9.3.2  實現A *搜索演算法
      9.3.3  測試實現
    9.4  總結
第3部分  Spark ops
  第10章  運行Spark
    10.1  Spark的運行時架構概述
      10.1.1  Spark運行組件
      10.1.2  Spark集群類型
    10.2  作業與資源調度
      10.2.1  集群資源調度
      10.2.2  Spark作業調度

      10.2.3  數據局部性考慮
      10.2.4  Spark內存調度
    10.3  配置Spark
      10.3.1  Spark配置文件
      10.3.2  命令行參數
      10.3.3  系統環境變數
      10.3.4  譯編程方式設置配置
      10.3.5  master參數
      10.3.6  查看所有配置的參數
    10.4  Spark Web UI（網路用戶界面）
      10.4.1  Jobs（作業）頁面
      10.4.2  Stages（階段）頁面
      10.4.3  Storage（存儲）頁面
      10.4.4  Environment（環境）頁面
      10.4.5  Executors（執行器）頁面
    10.5  在本地機器運行Spark
      10.5.1  本地模式
      10.5.2  本地集群模式
    10.6  總結
  第11章  在Spark獨立集群上運行
    11.1  Spark Standalone集群組件
      11.1.1  啟動Stanalone集群
      11.1.2  用shell腳本啟動群集
      11.1.3  手動啟動集群
      11.1.4  查看Spark進程
      11.1.5  Standalone master高可用性和恢復
    11.3  Standalone集群網路用戶界面
    11.4  在3Standalone集群中運行應用程序
      11.4.1  驅動器的位置
      11.4.2  指定執行器的數量
      11.4.3  指定額外的類路徑和文件
      11.4.4  終止應用程序
      11.4.5  應用程序自動重啟
    11.5  Spark歷史記錄伺服器和事件日誌記錄
    11.6  在Amazon EC2上運行
      11.6.1  先決條件
      11.6.2  創建一個E2C獨立集群
      11.6.3  使用E2C集群
      11.6.4  銷毀集群
    11.7  總結
  第12章  在YARN and Mesos運行
    12.1  在YARN上運行Spark
      12.1.1  YARN架構
      12.1.2  安裝配置啟動YARN
      12.1.3  YARN中的資源調度
      12.1.4  向YARN提交Spark應用程序
      12.1.5  在YARN上配置Spark
      12.1.6  為Spark工作配置資源
      12.1.7  YARN UI
      12.1.8  在YARN上尋找日誌

      12.1.9  安全注意事項
      12.1.10  動態資源分配
    12.2  在Mesos上運行Spark
      12.2.1  Mesos架構
      12.2.2  安裝配置Mesos
      12.2.3  Mesos Web UI
      12.2.4  Mesos資源調度
      12.2.5  向Mesos提交Spark應用程序
      12.2.6  使用 Docker運行Spark
    12.3  總結
  第4部分  協同使用
  第13章  實例學習：實時儀錶盤
    13.1  了解用例
      13.1.1  概況
      13.1.2  了解應用程序組件
    13.2  運行應用程序
      13.2.1  在spark-in-action VM中運行應用程序
      13.2.2  手動啟動應用程序
    13.3  理解源代碼
      13.3.1  KafkaLogsSimulator項目
      13.3.2  Streaming Log Analyzer項目
      13.3.3  Web統計信息顯示板項目
      13.3.4  建設項目
    13.4  總結
  第14章  H20深入學習Spark
    14.1  什麼是深入學習
    14.2  在Spark中使用H2O和
      14.2.1  什麼是H2O
      14.4.2  在Spark中啟動Sparkling Water
      14.4.3  啟動H2O集群
      14.4.4  訪問Flow UI
    14.3  使用H2O的深度學習進行回歸
      14.4.3  將數據載入到H2O框架中
      14.4.4  使用Flow UI構建和評估深度學習模型
      14.4.5  使用Sparkling Water API構建和評估深度學習模型
    14.4  使用H2O的深度學習進行分類
      14.4.1  載入和拆分數據
      14.4.2  通過Flow UI建造模型
      14.4.3  通過Sparkling Water API建造模型
      14.4.4  停止H2O集群
    14.5  總結
附錄A  安裝Apache Spark
附錄B  了解MapReduce
附錄C  線性代數基礎

同類熱銷排行榜

最近瀏覽的商品

Spark實戰/電腦科學先進技術譯叢