译者序前言引言第一部分　Spark基础第1章　大数据、Hadoop、Spark介绍 21.1　大数据、分布式计算、Hadoop简介 21.1.1　大数据与Hadoop简史 21.1.2　Hadoop简介 31.2　Spark简介 81.2.1　Spark背景 91.2.2　Spark的用途 91.2.3　Spark编程接口 91.2.4　Spark程序的提交类型 101.2.5　Spark应用程序的输入/输出类型 111.2.6　Spark中的RDD 111.2.7　Spark与Hadoop 111.3　Python函数式编程 121.3.1　Python函数式编程中的数据结构 121.3.2　Python对象序列化 151.3.3　Python函数式编程基础 171.4　本章小结 19第2章　部署Spark 202.1　Spark部署模式 202.1.1　本地模式 212.1.2　Spark独立集群 212.1.3　基于YARN运行Spark 222.1.4　基于Mesos运行Spark 222.2　准备安装Spark 232.3　获取Spark 232.4　在Linux或Mac OS X上安装Spark 252.5　在Windows上安装Spark 262.6　探索Spark安装目录 282.7　部署多节点的Spark独立集群 292.8　在云上部署Spark 302.8.1　AWS 302.8.2　GCP 322.8.3　Databricks 322.9　本章小结 34第3章　理解Spark集群架构 353.1　Spark应用中的术语 353.1.1　Spark驱动器 363.1.2　Spark工作节点与执行器 383.1.3　Spark主进程与集群管理器 403.2　使用独立集群的Spark应用 413.3　在YARN上运行Spark应用 423.3.1　ResourceManager作为集群管理器 423.3.2　ApplicationMaster作为Spark主进程 423.4　在YARN上运行Spark应用的部署模式 423.4.1　客户端模式 423.4.2　集群模式 433.4.3　回顾本地模式 453.5　本章小结 45第4章　Spark编程基础 464.1　RDD简介 464.2　加载数据到RDD 484.2.1　从文件创建RDD 484.2.2　从文本文件创建RDD 494.2.3　从对象文件创建RDD 524.2.4　从数据源创建RDD 524.2.5　从JSON文件创建RDD 544.2.6　通过编程创建RDD 564.3　RDD操作 574.3.1　RDD核心概念 574.3.2　基本的RDD转化操作 614.3.3　基本的RDD行动操作 654.3.4　键值对RDD的转化操作 694.3.5　MapReduce与单词计数练习 754.3.6　连接操作 784.3.7　在Spark中连接数据集 824.3.8　集合操作 854.3.9　数值型RDD的操作 874.4　本章小结 89第二部分　基础拓展第5章　Spark核心API高级编程 925.1　Spark中的共享变量 925.1.1　广播变量 925.1.2　累加器 965.1.3　练习：使用广播变量和累加器 995.2　Spark中的数据分区 1005.2.1　分区概述 1005.2.2　掌控分区 1015.2.3　重分区函数 1025.2.4　针对分区的API方法 1045.3　RDD的存储选项 1065.3.1　回顾RDD谱系 1065.3.2　RDD存储选项 1075.3.3　RDD缓存 1095.3.4　持久化RDD 1095.3.5　选择何时持久化或缓存RDD 1125.3.6　保存RDD检查点 1125.3.7　练习：保存RDD检查点 1145.4　使用外部程序处理RDD 1155.5　使用Spark进行数据采样 1175.6　理解Spark应用与集群配置 1185.6.1　Spark环境变量 1185.6.2　Spark配置属性 1215.7　Spark优化 1245.7.1　早过滤，勤过滤 1245.7.2　优化满足结合律的操作 1245.7.3　理解函数和闭包的影响 1265.7.4　收集数据的注意事项 1275.7.5　使用配置参数调节和优化应用 1275.7.6　避免低效的分区 1285.7.7　应用性能问题诊断 1305.8　本章小结 133第6章　使用Spark进行SQL与NoSQL编程 1346.1　Spark SQL简介 1346.1.1　Hive简介 1346.1.2　Spark SQL架构 1386.1.3　DataFrame入门 1416.1.4　使用DataFrame 1506.1.5　DataFrame缓存、持久化与重新分区 1576.1.6　保存DataFrame输出 1586.1.7　访问Spark SQL 1616.1.8　练习：使用Spark SQL 1636.2　在Spark中使用NoSQL系统 1656.2.1　NoSQL简介 1656.2.2　在Spark中使用HBase 1666.2.3　练习：在Spark中使用HBase 1696.2.4　在Spark中使用Cassandra 1706.2.5　在Spark中使用DynamoDB 1726.2.6　其他NoSQL平台 1746.3　本章小结 174第7章　使用Spark处理流数据与消息 1757.1　Spark Streaming简介 1757.1.1　Spark Streaming架构 1767.1.2　DStream简介 1777.1.3　练习：Spark Streaming入门 1837.1.4　状态操作 1847.1.5　滑动窗口操作 1857.2　结构化流处理 1887.2.1　结构化流处理数据源 1887.2.2　结构化流处理的数据输出池 1897.2.3　输出模式 1907.2.4　结构化流处理操作 1907.3　在Spark中使用消息系统 1927.3.1　Apache Kafka 1927.3.2　KafkaUtils 1957.3.3　练习：在Spark中使用Kafka 1967.3.4　亚马逊Kinesis 1997.4　本章小结 203第8章　Spark数据科学与机器学习简介 2048.1　Spark与R语言 2048.1.1　R语言简介 2048.1.2　通过R语言使用Spark 2108.1.3　练习：在RStudio中使用SparkR 2158.