大數據處理框架ApacheSpark設計與實現

第一部分 大數據處理框架的基礎知識
第1章 大數據處理框架概覽
1.1 大數據及其帶來的挑戰
1.2 大數據處理框架
1.3 大數據應用及程式設計模型
1.4 大數據處理框架的四層結構
1.4.1 用戶層
1.4.2 分散式數據並行處理層
1.4.3 資源管理與任務調度層
1.4.4 物理執行層
1.5 錯誤容忍機制
1.6 其他大數據處理框架
1.7 本章小結
1.8 擴展閱讀
第2章 Spark系統部署與應用運行的基本流程
2.1 Spark安裝部署
2.2 Spark系統架構
2.3 Spark應用例子
2.3.1 使用者代碼基本邏輯
2.3.2 邏輯處理流程
2.3.3 物理執行計畫
2.3.4 視覺化執行過程
2.4 Spark程式設計模型
2.5 本章小結

第二部分 Spark大數據處理框架的核心理論
第3章 Spark邏輯處理流程
3.1 Spark邏輯處理流程概覽
3.2 Spark邏輯處理流程生成方法
3.2.1 根據應用程式如何產生RDD，產生什麼樣的RDD
3.2.2 如何建立RDD之間的數據依賴關係
3.2.3 如何計算RDD中的數據
3.3 常用transformation()數據操作
3.4 常用action()數據操作
3.5 對比MapReduce，Spark的優缺點
3.6 本章小結
3.7 擴展閱讀
第4章 Spark物理執行計畫
4.1 Spark物理執行計畫概覽
4.2 Spark物理執行計畫生成方法
4.3 常用數據操作生成的物理執行計畫
4.4 本章小結
4.5 擴展閱讀

第三部分 典型的Spark應用
第5章 反覆運算型Spark應用
5.1 反覆運算型Spark應用的分類及特點
5.2 反覆運算型機器學習應用SparkLR
5.2.1 應用描述
5.2.2 演算法原理
5.2.3 基於Spark的並行化實現
5.2.4 深入討論