115 源码网

PySpark实战指南：利用Python和Spark构建数据密集型应用并规模化部署 内容简介： 本文从Spark的基本特点出发，借助大量例子详细介绍了如何使用Python调用Spark新特性、处理结构化及非结构化数据、使用PySpark中基本可用数据类型、生成机器学习模型、进行图像操作以及阅读串流数据等新兴技术内容。 资源目录： 译者序 序 前言 关于作者 第1章　了解Spark 1 1.1　什么是Apache Spark 1 1.2　Spark作业和API 2 1.2.1　执行过程 2 1.2.2　弹性分布式数据集 3 1.2.3　DataFrame 4 1.2.4　Dataset 5 1.2.5　Catalyst优化器 5 1.2.6　钨丝计划 5 1.3　Spark 2.0的架构 6 1.3.1　统一Dataset和DataFrame 7 1.3.2　SparkSession介绍 8 1.3.3　Tungsten Phase 2 8 1.3.4　结构化流 10 1.3.5　连续应用 10 1.4　小结 11 第2章　弹性分布式数据集 12...

Hadoop MapReduce实战手册  内容简介： 这是一本学习Hadoop MapReduce的一站式指南，完整介绍了Hadoop生态体系，包括Hadoop平台安装、部署、运维等，Hadoop生态系统成员Hive、Pig、HBase、Mahout等。最重要的是，书中包含丰富的示例和多样的实际应用场景，以一种简单而直接的方式呈现了90个实战攻略，并给出一步步的指导。本书从获取Hadoop并在集群中运行讲起，依次介绍了高级HDFS，高级Hadoop MapReduce管理，开发复杂的Hadoop MapReduce应用程序，Hadoop的生态系统，统计分析，搜索与索引，聚类、推荐和寻找关联，海量文本数据处理，云部署等内容。 资源目录： 第1章 搭建Hadoop并在集群中运行 1 1.1 简介 1 1.2 在你的机器上安装Hadoop 2 1.3 写WordCountMapReduce示例程序，打包并使用独立的Hadoop运行它 3 1.4 给WordCount MapReduce程序增加combiner步骤 8 1.5 安装HDFS 9 1.6 使用HDFS监控UI 14 1.7 HDFS的基本命令行文件操作 15 1.8 在分布式集群环境中设置Hadoop 17 1.9 在分布式集群环境中运行WordCount程序 22 1.10 使用MapReduce监控UI 24 第2章 HDFS进阶 26 2.1...