Spark與Hadoop大數(shù)據(jù)分析

譯者序
前言
第1章　從宏觀視角看大數(shù)據(jù)分析 1
1.1　大數(shù)據(jù)分析以及 Hadoop 和 Spark 在其中承擔(dān)的角色 3
1.1.1　典型大數(shù)據(jù)分析項(xiàng)目的生命周期 4
1.1.2　Hadoop和Spark承擔(dān)的角色 6
1.2　大數(shù)據(jù)科學(xué)以及Hadoop和Spark在其中承擔(dān)的角色 6
1.2.1　從數(shù)據(jù)分析到數(shù)據(jù)科學(xué)的根本性轉(zhuǎn)變 6
1.2.2　典型數(shù)據(jù)科學(xué)項(xiàng)目的生命周期 8
1.2.3　Hadoop和Spark 承擔(dān)的角色 9
1.3　工具和技術(shù) 9
1.4　實(shí)際環(huán)境中的用例 11
1.5　小結(jié) 12
第2章　Apache Hadoop和Apache Spark入門(mén) 13
2.1　Apache Hadoop概述 13
2.1.1　Hadoop 分布式文件系統(tǒng) 14
2.1.2　HDFS 的特性 15
2.1.3　MapReduce 16
2.1.4　MapReduce 的特性 17
2.1.5　MapReduce v1與MapReduce v2對(duì)比 17
2.1.6　YARN 18
2.1.7　Hadoop上的存儲(chǔ)選擇 20
2.2　Apache Spark概述 24
2.2.1　Spark 的發(fā)展歷史 24
2.2.2　Apache Spark 是什么 25
2.2.3　Apache Spark 不是什么 26
2.2.4　MapReduce 的問(wèn)題 27
2.2.5　Spark 的架構(gòu) 28
2.3　為何把 Hadoop 和 Spark 結(jié)合使用 31
2.3.1　Hadoop 的特性 31
2.3.2　Spark 的特性 31
2.4　安裝 Hadoop 和 Spark 集群 33
2.5　小結(jié) 36
第3章　深入剖析Apache Spark 37
3.1　啟動(dòng) Spark 守護(hù)進(jìn)程 37
3.2　學(xué)習(xí)Spark的核心概念 39
3.3　Spark 程序的生命周期 55
3.4　Spark 應(yīng)用程序 59
3.5　持久化與緩存 62
3.6　Spark 資源管理器：Standalone、YARN和Mesos 63
3.7　小結(jié) 67
第4章　利用Spark SQL、Data-Frame和Dataset進(jìn)行大數(shù)據(jù)分析 69
4.1　Spark SQL 的發(fā)展史 70
4.2　Spark SQL 的架構(gòu) 71
4.3　介紹Spark SQL的四個(gè)組件 72
4.4　DataFrame 和 Dataset 的演變 74
4.5　為什么要使用 Dataset 和DataFrame 75
4.6　何時(shí)使用 RDD、Dataset 和DataFrame 78
4.7　利用 DataFrame 進(jìn)行分析 78
4.8　利用 Dataset API 進(jìn)行分析 85
4.9　Data Sources API 87
4.10　把 Spark SQL 作為分布式 SQL引擎 97
4.11　Hive on Spark 100
4.12　小結(jié) 100
第5章　利用Spark Streaming和Structured Streaming進(jìn)行實(shí)時(shí)分析 102
5.1　實(shí)時(shí)處理概述 103
5.2　Spark Streaming 的架構(gòu) 104
5.3　Spark Streaming 的變換和動(dòng)作 109
5.4　輸入數(shù)據(jù)源和輸出存儲(chǔ) 111
5.5　使用 Kafka 和 HBase 的 Spark Streaming 113
5.6　Spark Streaming 的高級(jí)概念 118
5.7　監(jiān)控應(yīng)用程序 122
5.8　結(jié)構(gòu)化流概述 123
5.9　小結(jié) 129
第6章　利用Spark和Hadoop的筆記本與數(shù)據(jù)流 130
6.1　基于網(wǎng)絡(luò)的筆記本概述 130
6.2　Jupyter概述 131
6.3　Apache Zeppelin概述 135
6.4　Livy REST 作業(yè)服務(wù)器和 Hue筆記本 140
6.5　用于數(shù)據(jù)流的 Apache NiFi概述 148
6.6　小結(jié) 152
第7章　利用Spark和Hadoop進(jìn)行機(jī)器學(xué)習(xí) 153
7.1　機(jī)器學(xué)習(xí)概述 153
7.2　在 Spark 和 Hadoop 上進(jìn)行機(jī)器學(xué)習(xí) 154
7.3　機(jī)器學(xué)習(xí)算法 155
7.4　機(jī)器學(xué)習(xí)算法示例 160
7.5　構(gòu)建機(jī)器學(xué)習(xí)流水線 163
7.6　利用 H2O 和 Spark 進(jìn)行機(jī)器學(xué)習(xí) 167
7.7　Hivemall概述 169
7.8　Hivemall for Spark概述 170
7.9　小結(jié) 170
第8章　利用Spark和Mahout構(gòu)建推薦系統(tǒng) 171
8.1　構(gòu)建推薦系統(tǒng) 171
8.2　推薦系統(tǒng)的局限性 173
8.3　用 MLlib 實(shí)現(xiàn)推薦系統(tǒng) 173
8.4　Mahout 和 Spark 的集成 181
8.5　小結(jié) 189
第9章　利用GraphX進(jìn)行圖分析 190
9.1　圖處理概述 190
9.2　GraphX 入門(mén) 193
9.3　利用 GraphX 分析航班數(shù)據(jù) 205
9.4　GraphFrames概述 209
9.5　小結(jié) 212
第10章　利用SparkR進(jìn)行交互式分析 213
10.1　R語(yǔ)言和SparkR概述 213
10.2　SparkR 入門(mén) 216
10.3　在 SparkR 里使用 DataFrame 223
10.4　在 RStudio 里使用 SparkR 228
10.5　利用 SparkR 進(jìn)行機(jī)器學(xué)習(xí) 230
10.6　在 Zeppelin 里使用 SparkR 233
10.7　小結(jié) 234