Spark快速大数据分析
作者:(美)卡劳
出版社:北京图灵文化发展有限公司
ISBN:9787115403094
VIP会员免费
(仅需0.8元/天)
¥ 29.99
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
Spark快速大数据分析 mobi+epub+azw3 评分:
基本概述: 本书由 Spark 开发者及核心成员共同打造,讲解了网络大数据时代应运而生的、能高效迅捷地分析处理数据的工具——Spark,它带领读者快速掌握用 Spark 收集、计算、简化和保存海量数据的方法,学会交互、迭代和增量式分析,解决分区、数据本地化和自定义序列化等问题。 目录: 第 1 章 Spark 数据分析导论 1 1.1 Spark 是什么 1 1.2 一个大一统的软件栈 2 1.2.1 Spark Core 2 1.2.2 Spark SQL 3 1.2.3 Spark Streaming 3 1.2.4 MLlib 3 1.2.5 GraphX 3 1.2.6 集群管理器 4 1.3 Spark 的用户和用途 4 1.3.1 数据科学任务 4 1.3.2 数据处理应用 5 1.4 Spark 简史 5 1.5 Spark 的版本和发布 6 1.6 Spark 的存储层次 6 第 2 章 Spark 下载与入门 7 2.1 下载 Spark 7 2.2 Spark 中 Python 和 Scala 的 shell 9 2.3 Spark 核心概念简介 12 2.4 独立应用 14 2.4.1 初始化 SparkContext 15 2.4.2 构建独立应用 16 2.5 总结 19 第 3 章 RDD 编程 21 3.1 RDD 基础 21 3.2 创建 RDD 23 3.3 RDD 操作 24 3.3.1 转化操作 24 3.3.2 行动操作 26 3.3.3 惰性求值 27 3.4 向 Spark 传递函数 27 3.4.1 Python 27 3.4.2 Scala 28 3.4.3 Java 29 3.5 常见的转化操作和行动操作 30 3.5.1 基本 RDD 30 3.5.2 在不同 RDD 类型间转换 37 3.6 持久化( 缓存) 39 3.7 总结 40 第 4 章 键值对操作 41 4.1 动机 41 4.2 创建 Pair RDD 42 4.3 Pair RDD 的转化操作 42 4.3.1 聚合操作 45 4.3.2 数据分组 49 4.3.3 连接 50 4.3.4 数据排序 51 4.4 Pair RDD 的行动操作 52 4.5 数据分区(进阶) 52 4.5.1 获取 RDD 的分区方式 55 4.5.2 从分区中获益的操作 56 4.5.3 影响分区方式的操作 57 4.5.4 示例:PageRank 57 4.5.5 自定义分区方式 59 4.6 总结 61 第 5 章 数据读取与保存 63 5.1 动机 63 5.2 文件格式 64 5.2.1 文本文件 64 5.2.2 JSON 66 5.2.3 逗号分隔值与制表符分隔值 68 5.2.4 SequenceFile 71 5.2.5 对象文件 73 5.2.6 Hadoop 输入输出格式 73 5.2.7 文件压缩 77 5.3 文件系统 78 5.3.1 本地/“常规”文件系统 78 5.3.2 Amazon S3 78 5.3.3 HDFS 79 5.4 Spark SQL 中的结构化数据 79 5.4.1 Apache Hive 80 5.4.2 JSON 80 5.5 数据库 81 5.5.1 Java 数据库连接 81 5.5.2 Cassandra 82 5.5.3 HBase 84 5.5.4 Elasticsearch 85 5.6 总结 86 第 6 章 Spark 编程进阶 87 6.1 简介 87 6.2 累加器 88 6.2.1 累加器与容错性 90 6.2.2 自定义累加器 91 6.3 广播变量 91 6.4 基于分区进行操作 94 6.5 与外部程序间的管道 96 6.6 数值 RDD 的操作 99 6.7 总结 100 第 7 章 在集群上运行 Spark 101 7.1 简介 101 7.2 Spark 运行时架构 101 7.2.1 驱动器节点 102 7.2.2 执行器节点 103 7.2.3 集群管理器 103 7.2.4 启动一个程序 104 7.2.5 小结 104 7.3 使用 spark-submit 部署应用 105 7.4 打包代码与依赖 107 7.4.1 使用 Maven 构建的用 Java 编写的 Spark 应用 108 7.4.2 使用 sbt 构建的用 Scala 编写的 Spark 应用 109 7.4.3 依赖冲突 111 7.5 Spark 应用内与应用间调度 111 7.6 集群管理器 112 7.6.1 独立集群管理器 112 7.6.2 Hadoop YARN 115 7.6.3 Apache Mesos 116 7.6.4 Amazon EC2 117 7.7 选择合适的集群管理器 120 7.8 总结 121 第 8 章 Spark 调优与调试 123 8.1 使用 SparkConf 配置 Spark 123 8.2 Spark 执行的组成部分:作业、任务和步骤 127 8.3 查找信息 131 8.3.1 Spark 网页用户界面 131 8.3.2 驱动器进程和执行器进程的日志 134 8.4 关键性能考量 135 8.4.1 并行度 135 8.4.2 序列化格式 136 8.4.3 内存管理 137 8.4.4 硬件供给 138 8.5 总结 139 第 9 章 Spark SQL 141 9.1 连接 Spark SQL 142 9.2 在应用中使用 Spark SQL 144 9.2.1 初始化 Spark SQL 144 9.2.2 基本查询示例 145 9.2.3 SchemaRDD 146 9.2.4 缓存 148 9.3 读取和存储数据 149 9.3.1 Apache Hive 149 9.3.2 Parquet 150 9.3.3 JSON 150 9.3.4 基于 RDD 152 9.4 JDBC/ODBC 服务器 153 9.4.1 使用 Beeline 155 9.4.2 长生命周期的表与查询 156 9.5 用户自定义函数 156 9.5.1 Spark SQL UDF 156 9.5.2 Hive UDF 157 9.6 Spark SQL 性能 158 9.7 总结 159 第 10 章 Spark Streaming 161 10.1 一个简单的例子 162 10.2 架构与抽象 164 10.3 转化操作 167 10.3.1 无状态转化操作 167 10.3.2 有状态转化操作 169 10.4 输出操作 173 10.5 输入源 175 10.5.1 核心数据源 175 10.5.2 附加数据源 176 10.5.3 多数据源与集群规模 179 10.6 24/7 不间断运行 180 10.6.1 检查点机制 180 10.6.2 驱动器程序容错 181 10.6.3 工作节点容错 182 10.6.4 接收器容错 182 10.6.5 处理保证 183 10.7 Streaming 用户界面 183 10.8 性能考量 184 10.8.1 批次和窗口大小 184 10.8.2 并行度 184 10.8.3 垃圾回收和内存使用 185 10.9 总结 185 第 11 章 基于 MLlib 的机器学习 187 11.1 概述 187 11.2 系统要求 188 11.3 机器学习基础 189 11.4 数据类型 192 11.5 算法 194 11.5.1 特征提取 194 11.5.2 统计 196 11.5.3 分类与回归 197 11.5.4 聚类 202 11.5.5 协同过滤与推荐 203 11.5.6 降维 204 11.5.7 模型评估 206 11.6 一些提示与性能考量 206 11.6.1 准备特征 206 11.6.2 配置算法 207 11.6.3 缓存 RDD 以重复使用 207 11.6.4 识别稀疏程度 207 11.6.5 并行度 207 11.7 流水线 API 208 11.8 总结 209
上传时间:2019-05 大小:6.37MB
- 129KB
Mastering PHP Design Patterns_Code(pdf+mobi+epub+code_file).zip
2018-05-05Mastering PHP Design Patterns_Code(pdf+mobi+epub+code_file).zip
- 5.71MB
kindle小工具:无损转换 azw3 或 epub 为 mobi 并精简
2015-08-20功能:无损转换 azw3 或 epub 为 mobi 并精简。 使用:把 azw3 或 epub 文件放入 temp 文件夹,点击 "无损转为mobi" 运行,会输出 mobi 或 epub(azw3才有) 在 temp 文件夹中。
- 493KB
白帽子讲web安全 azw3
2019-03-02《白帽子讲Web安全》内容简介:在互联网时代,数据安全与个人隐私受到了前所未有的挑战,各种新奇的攻击技术层出不穷。如何才能更好地保护我们的数据?《白帽子讲Web安全》将带你走进Web安全的世界,让你了解Web安全...
- 385KB
如何将azw3转化为mobi或epub,pdf
2018-11-16总结了两种方式将azw3转化为mobi或epub,pdf等。 其中一种方式无需下载任何软件
- 12.98MB
iOS 12 Programming Fundamentals with Swift(pdf + epub + azw3)
2018-11-27Move into iOS development by getting a firm grasp of its fundamentals, including the Xcode 10 IDE, Cocoa Touch, and the latest version of Apple’s acclaimed programming language, Swift 4.2....
- 15.25MB
《领域驱动设计》[美]Eric Evans(作者).azw3
2019-05-05本书是领域驱动设计方面的经典之作,修订版更是对之前出版的中文版进行了全面的修订和完善。 全书围绕着设计和开发实践,结合若干真实的项目案例,向读者阐述如何在真实的软件开发中应用领域驱动设计。...
- 8.28MB
JavaScript基础教程(第8版) (AZW3/MOBI/EPUB)
2017-09-05#1.包内含有适合Kindle的mobi/azw3格式和epub格式。 #2.该资源仅供学习使用,请在下载后24小时内删除。 #3.请支持正版或开源资源。
- 2.81MB
C++ Data Structures and Algorithms azw3
2018-05-08C++ Data Structures and Algorithms 英文azw3 本资源转载自网络,如有侵权,请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书
- 11.67MB
Cocos2d-x by Example Beginner's Guide - Second Edition (pdf, mobi, epub, azw3)
2016-01-19Cocos2d-x by Example: Beginner's Guide - Second Edition, 2015年出的。zip包里面有不同的文件格式(pdf, epub, mobi, azw3).
- 8.37MB
kotlin in action高清pdf mobi epub azw3
2017-12-05经过整理的kotlin in action含有四个版本pdf mobi epub azw3。pdf是高清的,含有完整目录,内容完整,多种选择。
- 29.3MB
HTML5与CSS3基础教程(第7版) (AZW/MOBI/EPUB)
2017-09-05#1.包内含有适合Kindle的mobi/azw3格式和epub格式。 #2.该资源仅供学习使用,请在下载后24小时内删除。 #3.请支持正版或开源资源。
- 15.81MB
C语言开发从入门到精通 (epub+azw3+mobi)
2018-06-11本书循序渐进、由浅入深地详细讲解了C语言开发的技术,并通过具体实例的实现过程演练了各个知识点的具体使用流程。全书共22章,第 1~4章分别讲解了C语言开发的基础知识,包括C语言简介,安装开发工具等;...
- 24.28MB
Python金融大数据分析azw3,python金融大数据分析 pdf,Python
2021-09-10Python金融大数据分析azw3格式,kindle可用
- 29.2MB
高性能MySQL(第3版,包含azw3,epub,mobi格式)
2019-07-11高性能MySQL(第3版),包含azw3,epub,mobi格式
- 181.27MB
Calibre 3.48 For Win7 电子书管理软件+.mobi格式转PDF+.epub格式转PDF等多种功能
2023-12-20Calibre 3.48 For Win7 Calibre电子书阅读器,Win7系统亲测可用,解决Calibre在Win7系统不能安装...支持格式互转:EPUB、AZW3、MOBI、DOCX、FB2、HTMLZ、LIT、LRF、PDB、PDF、PMLZ、RB、RTF、SNB、TCR、TXT、TXTZ、ZIP
- 2.4MB
Scala-升级版.docx
2021-10-14Scala快速入门(适合为学Spark学习Scala的同学)Word文档
- 2.90MB
基于spark的图书推荐系统
2023-06-15推荐系统是一种信息过滤系统,能够自动预测用户对特定产品或服务的偏好,并向其提供个性化的推荐。它通常基于用户的历史行为、个人喜好、兴趣和偏好等,通过数据挖掘和机器学习算法,在大数据的支持下生成个性化的推荐内容,从而提高用户购买率和满意度。推荐系统广泛应用于电子商务、社交媒体、新闻资讯、音乐、电影等领域。推荐系统的作用是根据用户的历史行为和偏好,为用户推荐个性化的内容,以满足用户的需求和兴趣。 在推荐系统架构中,离线计算部分主要使用 Hadoop、Spark、Hive 等大数据处理技术,将海量历史数据进行离线处理,构建出推荐模型。在线计算部分则使用 Flask、Django 或 Tornado 等 Web 应用框架,将推荐模型部署到 Web 服务器上,实现实时推荐服务。
- 743KB
大数据期末课设~基于spark的气象数据处理与分析
2022-12-14大数据期末课设~基于spark的气象数据处理与分析 完整版Word 可以拿来直接交作业
- 550KB
全国职业技能大赛大数据赛项十套赛题(shtd)
2023-01-16使用Scala编写spark工程代码,将MySQL的shtd_store库中表user_info、sku_info、base_province、base_region、order_info、order_detail的数据增量抽取到Hive的ods库中对应表user_info、sku_info、base_province、base_region、order_info、order_detail中。 1、 抽取shtd_store库中user_info的增量数据进入Hive的ods库中表user_info。根据ods.user_info表中operate_time或create_time作为增量字段(即MySQL中每条数据取这两个时间中较大的那个时间作为增量字段去和ods里的这两个字段中较大的时间进行比较),只将新增的数据抽入,字段名称、类型不变,同时添加静态分区,分区字段类型为String,且值为当前比赛日的前一天日期(分区字段格式为yyyyMMdd)。使用hive cli执行show partitions ods.user_info命令,将结果截图粘贴至对应报告中;
- 69B
大数据全套教程完整版
2019-01-09大数据基础到精通完整版, 涵盖技术点:python 基础 java基础,mysql,oracle,ssm框架,linux,hadoop,hbase,zookeeper,flume,scala,spark。资源宝贵,速度下载
- 26.74MB
全国2014-2018年空气质量csv数据集文件数据
2019-06-23全国2014-2018年空气质量csv数据集文件数据,包含字段time(时间),city(城市),AQI,PM2.5,PM10,SO2,NO2,CO,O3,primary_pollutant(主要污染物),共计55万条数据。
- 0B
spark-3.3.1-bin-3.0.0-cdh6.3.2.tgz
2022-11-23spark 3.3.1 使用 cdh 6.3.2 的hadoop版本。可以直接兼容并配合文档进行cdh spark-sql的使用。 具体查看https://editor.csdn.net/md/?articleId=127997188
- 1.1MB
Spark气象监测数据分析:代码整合,包括预处理,分析,数据可视化
2023-09-17【内容概要】 通过完整的气象监测数据处理与分析项目,了解Spark大数据分析的整体流程。代码涵盖数据工程、统计分析、机器学习预测建模等内容。可以学习如何使用Spark PySpark API处理大规模数据。 【适合人群】 具备一定Python编程基础,需要处理分析大规模数据的研发人员。 【能学到什么】 1. Spark数据处理:缺失值处理、降噪、特征工程等数据预处理技术 2. 统计分析:分组聚合、相关性分析、异常检测等统计方法 3. 机器学习:时间序列预测模型设计、集成学习提升效果 4. 微服务:模型API和Docker部署,提供后端服务 【学习建议】 项目代码完整覆盖了大数据分析全流程。在学习过程中,需要结合代码注释和文档,了解设计思路和背后的原理。同时调试并运行示例代码,加深理解。欢迎提出改进意见。
- 9.26MB
基于hadoop和echarts的教育大数据可视化系统
2023-05-04在线教育平台现在是教育体系的重要组成部分,在当前大数据时代的背景下,促进教育机构建立统一平台、统一资源管理的数字化教学系统。如何评估系统平台的健康程度、学生的学习体验和在线课程的质量对于课程的教师和学校的管理人员都是非常重要的,这是进行数据分析的主要目的。可视化是一个重要的途径,它能够帮助大数据获得完整的数据图表并挖掘数据的价值,大数据分析离不开可视化这一工具的推动。 基于hadoop和echarts的教育大数据可视化系统,以B/S模式开发。通过Hadoop中Sqoop进行数据导入转换。以MapReduce构建数据分析,数据分析维度包括每日登录人数分析、平均学习时长分析、学习行为次数分析、每日活跃情况分析和分时段学习人数分析。最终使用ECharts可视化工具来对在线教育平台在学习过程中产生的数据进行可视化大屏展现,让更多人感受到可视化大数据的魅力。
- 19.13MB
高分毕业设计 基于Hadoop+Kafka+Spark大数据平台的新闻日志分析处理及可视化系统源码+部署文档+全部数据资料.
2024-04-23【资源说明】 高分毕业设计 基于Hadoop+Kafka+Spark大数据平台的新闻日志分析处理及可视化系统源码+部署文档+全部数据资料. 【备注】 1、该项目是高分毕业设计项目源码,已获导师指导认可通过,答辩评审分达到95分 2、该资源内项目代码都经过mac/window10/11/linux测试运行成功,功能ok的情况下才上传的,请放心下载使用! 3、本项目适合计算机相关专业(如软件工程、计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也可作为毕业设计、课程设计、作业、项目初期立项演示等,当然也适合小白学习进阶。 4、如果基础还行,可以在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
- 1.71MB
python爬虫爬取股票评论,调用百度AI进行语义分析, matlab数据处理,股票涨跌和评论的关系
2019-03-22python爬虫爬取股票评论, 调用百度AI进行语义分析, matlab数据处理, excel作图 股票涨跌和评论的关系
- 9.96MB
大数据面试大总结300页.zip
2021-07-18大数据面试大总结300页.zip
- 242.42MB
scala-SDK-4.4.1-vfinal-2.11-linux.gtk.x86-64.tar.gz和PyDev4.5.4安装
2024-03-30python+spark 2.0+hadoop 机器学习与大数据实战 第十一章软件安装包,内含scala ide eclipse的scala-SDK-4.4.1-vfinal-2.11-linux.gtk.x86_64.tar.gz安装包和对应的PyDev 4.5.4.zip插件安装包