Spark与Hadoop大数据分析 (大数据技术丛书)（Word+PDF+ePub+PPT）

本书讲解了Apache Spark和Hadoop的基础知识，以及如何通过简单的方式将它们与最常用的工具和技术集成在一起。所有Spark组件（Spark Core、Spark SQL、DataFrame、Dataset、Conventional Streaming、Structured Streaming、MLlib、GraphX和Hadoop核心组件）、HDFS、MapReduce和Yarn都在Spark+Hadoop集群的实现示例中进行了深入的探讨。大数据分析行业正在从MapReduce转向Spark。因此，本书深入讨论了Spark相比MapReduce的优势，从而揭示出它在内存计算速度方面的好处。我们还会讲解如何运用DataFrame API、Data Sources API，以及新的Dataset API来构建大数据分析应用程序。书中还讲解了如何使用Spark Streaming配合Apache Kafka和HBase进行实时数据分析，以帮助构建流式应用程序（streaming application）。新的结构化流（Structured Streaming）概念会通过物联网（Internet of Things，IOT）用例来解释。在本书中，机器学习技术会使用MLLib、机器学习流水线和SparkR来实现；图分析则会利用Spark的GraphX和GraphFrames组件包来进行。