?!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> 亚洲av无码日韩av无码网站冲,西西444www无码视频软件,亚洲国产精品乱码一区二区

亚洲精品92内射,午夜福利院在线观看免费 ,亚洲av中文无码乱人伦在线视色,亚洲国产欧美国产综合在线,亚洲国产精品综合久久2007

?div class="header_top">
Java知识分n|?- L学习(fn)从此开始！ (tng) (tng) (tng) (tng)
SpringBoot+SpringSecurity+Vue+ElementPlus权限pȝ实战评 震撼发布        

最新Java全栈׃实战评(免费)

springcloud分布式电(sh)商秒杀实战评

IDEA怹Ȁz?/h2>

66套java实战评无套路领?/h2>

锋哥开始收Java学员啦！

Python学习(fn)路线?/h2>

锋哥开始收Java学员啦！
当前位置: 主页 > Java文 > 大数据云计算 >

《Spark快速大数据分析》PDF 下蝲


分n刎ͼ(x)
旉:2016-08-29 17:08来源:https://download.csdn.net/ 作?转蝲  侉|举报
《Spark快速大数据分析》PDF 下蝲
失效链接处理
《Spark快速大数据分析》PDF 下蝲

转蝲自：(x)https://download.csdn.net/download/tianzhixiang/10359154
 
下蝲地址Q?/strong>
版权归出版社和原作者所有，链接已删除，误买正?/b>
 
?sh)子版仅供预览?qing)学习(fn)交流使用Q下载后?4时内删除，支持正版Q喜Ƣ的误买正版书c：(x)《Spark快速大数据分析?/a>
 
图书介：(x)
本书?Spark 开发者及(qing)核心(j)成员共同打造，讲解?jin)网l大数据时代应运而生的、能高效q捷地分析处理数据的工具——SparkQ它带领读者快速掌握用 Spark 攉、计、简化和保存?gu)量数据的方法，学?x)交互、P代和增量式分析，解决分区、数据本地化和自定义序列化等问题?/span>
 
相关截图Q?br />
 
图书目录Q?/strong>
目录
推荐序　　xi
译者序　　xiv
序　　xvi
前言　　xvii
W?章　Spark数据分析D　　1
1.1　Spark是什么　　1
1.2　一个大一l的软g栈　　2
1.2.1　Spark Core　　2
1.2.2　Spark SQL　　3
1.2.3　Spark Streaming　　3
1.2.4　MLlib　　3
1.2.5　GraphX　　3
1.2.6　集群理器　　4
1.3　Spark的用户和用途　　4
1.3.1　数据U学d　　4
1.3.2　数据处理应用　　5
1.4　Spark双Ӏ　5
1.5　Spark的版本和发布　　6
1.6　Spark的存储层ơ　　6
W?章　Spark下蝲与入门　　7
2.1　下蝲Spark　　7
2.2　Spark中Python和Scala的shell　　9
2.3　Spark 核心(j)概念介　　12
2.4　独立应用　　14
2.4.1　初始化SparkContext　　15
2.4.2　构徏独立应用　　16
2.5　ȝ　　19
W?章　RDD~程　　21
3.1　RDD基础　　21
3.2　创徏RDD　　23
3.3　RDD操作　　24
3.3.1　转化操作　　24
3.3.2　行动操作　　26
3.3.3　惰性求倹{　27
3.4　向Spark传递函数　　27
3.4.1　Python　　27
3.4.2　Scala　　28
3.4.3　Java　　29
3.5　常见的{化操作和行动操作　　30
3.5.1　基本RDD　　30
3.5.2　在不同RDDcd间{换　　37
3.6　持久? ~存)　　39
3.7　ȝ　　40
W?章　键值对操作　　41
4.1　动机　　41
4.2　创徏Pair RDD　　42
4.3　Pair RDD的{化操作　　42
4.3.1　聚合操作　　45
4.3.2　数据分组　　49
4.3.3　q接　　50
4.3.4　数据排序　　51
4.4　Pair RDD的行动操作　　52
4.5　数据分区Q进Ӟ(j)　　52
4.5.1　获取RDD的分区方式　　55
4.5.2　从分ZL(fng)的操作　　56
4.5.3　影响分区方式的操作　　57
4.5.4　CZQPageRank　　57
4.5.5　自定义分区方式　　59
4.6　ȝ　　61
W?章　数据d与保存　　63
5.1　动机　　63
5.2　文g格式　　64
5.2.1　文本文g　　64
5.2.2　JSON　　66
5.2.3　逗号分隔g制表W分隔倹{　68
5.2.4　SequenceFile　　71
5.2.5　对象文g　　73
5.2.6　Hadoop输入输出格式　　73
5.2.7　文g压羃　　77
5.3　文gpȝ　　78
5.3.1　本地/“常规”文gpȝ　　78
5.3.2　Amazon S3　　78
5.3.3　HDFS　　79
5.4　Spark SQL中的l构化数据　　79
5.4.1　Apache Hive　　80
5.4.2　JSON　　80
5.5　数据库　　81
5.5.1　Java数据库连接　　81
5.5.2　Cassandra　　82
5.5.3　HBase　　84
5.5.4　Elasticsearch　　85
5.6　ȝ　　86
W?章　Spark~程q阶　　87
6.1　介　　87
6.2　累加器　　88
6.2.1　累加器与定w性　　90
6.2.2　自定义篏加器　　91
6.3　q播变量　　91
6.4　Z分区q行操作　　94
6.5　与外部程序间的管道　　96
6.6　数值RDD 的操作　　99
6.7　ȝ　　100
W?章　在集上q行Spark　　101
7.1　介　　101
7.2　Sparkq行时架构　　101
7.2.1　驱动器节炏V　102
7.2.2　执行器节炏V　103
7.2.3　集群理器　　103
7.2.4　启动一个程序　　104
7.2.5　结　　104
7.3　使用spark-submit 部v应用　　105
7.4　打包代码与依赖　　107
7.4.1　使用Maven构徏的用Java~写的Spark应用　　108
7.4.2　使用sbt构徏的用Scala~写的Spark应用　　109
7.4.3　依赖冲突　　 111
7.5　Spark应用内与应用间调度　　111
7.6　集群理器　　112
7.6.1　独立集群理器　　112
7.6.2　Hadoop YARN　　115
7.6.3　Apache Mesos　　116
7.6.4　Amazon EC2　　117
7.7　选择合适的集群理器　　120
7.8　ȝ　　121
W?章　Spark调优?sh)调试　　123
8.1　使用SparkConf配置Spark　　123
8.2　Spark执行的组成部分：(x)作业、Q务和步骤　　127
8.3　查找信息　　131
8.3.1　Spark|页用户界面　　131
8.3.2　驱动器进E和执行器进E的日志　　134
8.4　关键性能考量　　135
8.4.1　q行度　　135
8.4.2　序列化格式　　136
8.4.3　内存理　　137
8.4.4　g供给　　138
8.5　ȝ　　139
W?章　Spark SQL　　141
9.1　q接Spark SQL　　142
9.2　在应用中使用Spark SQL　　144
9.2.1　初始化Spark SQL　　144
9.2.2　基本查询CZ　　145
9.2.3　SchemaRDD　　146
9.2.4　~存　　148
9.3　d和存储数据　　149
9.3.1　Apache Hive　　149
9.3.2　Parquet　　150
9.3.3　JSON　　150
9.3.4　ZRDD　　152
9.4　JDBC/ODBC服务器　　153
9.4.1　使用Beeline　　155
9.4.2　长生命周期的表与查询　　156
9.5　用户自定义函数　　156
9.5.1　Spark SQL UDF　　156
9.5.2　Hive UDF　　157
9.6　Spark SQL性能　　158
9.7　ȝ　　159
W?0章　Spark Streaming　　161
10.1　一个简单的例子　　162
10.2　架构与抽象　　164
10.3　转化操作　　167
10.3.1　无状态{化操作　　167
10.3.2　有状态{化操作　　169
10.4　输出操作　　173
10.5　输入源　　175
10.5.1　核心(j)数据源　　175
10.5.2　附加数据源　　176
10.5.3　多数据源与集规模　　179
10.6　24/7不间断运行　　180
10.6.1　(g)查点机制　　180
10.6.2　驱动器程序容错　　181
10.6.3　工作节点定w　　182
10.6.4　接收器容错　　182
10.6.5　处理保证　　183
10.7　Streaming用户界面　　183
10.8　性能考量　　184
10.8.1　Ҏ(gu)和窗口大　　184
10.8.2　q行度　　184
10.8.3　垃圾回收和内存(sh)用　　185
10.9　ȝ　　185
W?1章　ZMLlib的机器学?fn)　　187
11.1　概述　　187
11.2　pȝ要求　　188
11.3　机器学习(fn)基础　　189
11.4　数据cd　　192
11.5　法　　194
11.5.1　特征提取　　194
11.5.2　l计　　196
11.5.3　分类与回归　　197
11.5.4　聚类　　202
11.5.5　协同qo(h)与推荐　　203
11.5.6　降维　　204
11.5.7　模型评估　　206
11.6　一些提CZ性能考量　　206
11.6.1　准备特征　　206
11.6.2　配置法　　207
11.6.3　~存RDD以重复用　　207
11.6.4　识别E疏程度　　207
11.6.5　q行度　　207
11.7　水UAPI　　208
11.8　ȝ　　209
作者简介　　210
面介绍　　210
 
------分隔U?---------------------------
?!-- //底部模板 -->