Spark最佳实践

第1章 　spark与大数据　　11.1 　大数据的发展及现状　　11.1.1 　大数据时代所面临的问题　　11.1.2 　谷歌的大数据解决方案　　21.1.3 　hadoop生态系统　　31.2 　spark应时而生　　41.2.1 　spark的起源　　41.2.2 　spark的特点　　51.2.3 　spark的未来发展　　6第2章 　spark基础　　82.1 　spark本地单机模式体验　　82.1.1 　安装虚拟机　　82.1.2 　安装jdk　　192.1.3 　下载spark预编译包　　212.1.4 　本地体验spark　　222.2 　高可用spark分布式集群部署　　252.2.1 　集群总览　　262.2.2 　集群机器的型号选择　　282.2.3 　初始化集群机器环境　　292.2.4 　部署zookeeper集群　　332.2.5 　编译spark　　352.2.6 　部署spark standalone集群　　372.2.7 　高可用hadoop集群　　402.2.8 　让spark运行在yarn上　　402.2.9 　一键部署高可用hadoop spark集群　　422.3 　spark编程指南　　432.3.1 　交互式编程　　432.3.2 　rdd创建　　442.3.3 　rdd操作　　472.3.4 　使用其他语言开发spark程序　　542.4 　打包和提交　　542.4.1 　编译、链接、打包　　542.4.2 　提交　　56第3章 　spark工作机制　　583.1 　调度管理　　583.1.1 　集群概述及名词解释　　583.1.2 　spark程序之间的调度　　603.1.3 　spark程序内部的调度　　633.2 　内存管理　　653.2.1 　rdd持久化　　653.2.2 　共享变量　　663.3 　容错机制　　673.3.1 　容错体系概述　　673.3.2 　master节点失效　　683.3.3 　slave节点失效　　693.4 　监控管理　　693.4.1 　web界面　　693.4.2 　rest api　　723.4.3 　metrics指标体系　　733.4.4 　其他监控工具　　733.5 　spark程序配置管理　　733.5.1 　spark程序配置加载过程　　743.5.2 　环境变量配置　　743.5.3 　spark属性项配置　　743.5.4 　查看当前的配置　　763.5.5 　配置spark日志　　76第4章 　spark内核讲解　　774.1 　spark核心数据结构rdd　　774.1.1 　rdd的定义　　784.1.2 　rdd的transformation　　804.1.3 　rdd的action　　824.1.4 　shuffle　　834.2 　sparkcontext　　844.2.1 　sparkconf配置　　844.2.2 　初始化过程　　854.2.3 　其他功能接口　　874.3 　dag调度　　874.3.1 　dagscheduler　　874.3.2 　taskscheduler　　90第5章 　spark sql与数据仓库　　925.1 　spark sql基础　　935.1.1 　分布式sql引擎　　935.1.2 　支持的sql语法　　975.1.3 　支持的数据类型　　985.1.4 　dataframe　　995.1.5 　dataframe数据源　　1035.1.6 　性能调优　　1045.2 　spark sql原理和运行机制　　1045.2.1 　spark sql整体架构　　1055.2.2 　catalyst执行优化器　　1055.3 　应用场景：基于淘宝数据建立电商数据仓库　　1105.3.1 　电商数据仓库场景　　1115.3.2 　数据准备和表设计　　1115.3.3 　用spark sql来完成日常运营数据分析　　1155.3.4 　spark sql在大规模数据下的性能表现　　120第6章 　spark流式计算　　1226.1 　spark streaming基础知识　　1236.1.1 　入门简单示例　　1236.1.2 　基本概念　　1246.1.3 　高级操作　　1296.2 　深入理解spark streaming　　1326.2.1 　dstream的两类操作　　1326.2.2 　容错处理　　1346.2.3 　性能调优　　1366.2.4 　与storm的对比　　1376.3 　应用场景：一个类似百度统计的流式实时系统　　1396.3.1 　web log实时统计场景　　1396.3.2 　日志实时采集　　1406.3.3 　流式分析系统实现　　140第7章 　spark图计算　　1497.1 　什么是图计算　　1497.1.1 　图的基本概念　　1497.1.2 　图计算的应用　　1507.2 　spark graphx简介　　1517.2.1 　graphx实现　　1517.2.2 　graphx常用api介绍　　1527.3 　应用场景：基于新浪微博数据的社交网络分析　　1537.3.1 　社交网络分析的主要应用　　1537.3.2 　社区发现算法简介　　1547.3.3 　用graphx实现louvain算法　　1567.3.4 　小试牛刀：谁是你的闺蜜　　1627.3.5 　真实的场景：新浪微博关系分析　　164第8章 　spark mllib　　1698.1 　机器学习简介　　1698.1.1 　什么是机器学习　　1698.1.2 　机器学习示例　　1718.1.3 　机器学习的基本方法　　1728.1.4 　机器学习的常见技巧　　1738.1.5 　机器学习参考资料　　1748.2 　mllib库简介　　1748.2.1 　基础数据类型　　1748.2.2 　主要的库　　1758.2.3 　附带的示例程序　　1768.3 　应用场景：搜索广告点击率预估系统　　1788.3.1 　应用场景　　1788.3.2 　逻辑回归　　1798.3.3 　学习算法　　1818.3.4 　模型评估　　1848.3.5 　数据准备　　1868.3.6 　模型训练　　1878.3.7 　模型调优　　195附录 　scala语言参考　　197