Apache Spark in 24 ore, Sams Teach Yourself

Recensioni dei lettori

Il libro fornisce una solida introduzione ad Apache Spark, soprattutto per chi ha già familiarità con lo sviluppo di software. È ben strutturato e copre gli argomenti da quelli di base a quelli avanzati, principalmente in Python e affrontando le caratteristiche rilevanti di Spark. Tuttavia, alcuni utenti hanno notato la presenza di informazioni obsolete, in particolare per quanto riguarda le installazioni, e la mancanza di casi d'uso avanzati o di approfondimenti in alcune aree.

⬤ Fornisce un approccio ben strutturato e metodico per un rapido apprendimento.
⬤ Ottimo per i principianti e gli appassionati di Python.
⬤ Copre un'ampia varietà di funzioni di Spark, tra cui Spark-SQL e MLlib.
⬤ Accessibile e facile da digerire, lo rende adatto per un rapido avvio di Spark.
⬤ Include riferimenti a documenti di ricerca per una comprensione più approfondita.

⬤ Alcune informazioni sono obsolete, in particolare per quanto riguarda le installazioni e i binari Hadoop.
⬤ Mancano casi d'uso avanzati e suggerimenti per la messa a punto delle prestazioni.
⬤ Si concentra principalmente su Python, con minore enfasi su Scala o su argomenti avanzati.
⬤ Si notano diversi errori di ortografia, che indicano la necessità di una migliore correzione delle bozze.
⬤ Alcuni capitoli, come Spark Streaming, mancano di profondità.

(basato su 23 recensioni dei lettori)

Titolo originale:

Apache Spark in 24 Hours, Sams Teach Yourself

Contenuto del libro:

Apache Spark è un motore di elaborazione distribuita open source veloce, scalabile e flessibile per sistemi di big data ed è uno dei progetti open source di big data più attivi ad oggi. In sole 24 lezioni di un'ora o meno, Sams Teach Yourself Apache Spark in 24 Hours vi aiuta a costruire soluzioni pratiche per i Big Data che sfruttano l'incredibile velocità, scalabilità, semplicità e versatilità di Spark.

L'approccio diretto e graduale di questo libro vi mostra come implementare, programmare, ottimizzare, gestire, integrare ed estendere Spark, ora e per gli anni a venire. Scoprirete come creare soluzioni potenti che comprendono il cloud computing, l'elaborazione di flussi in tempo reale, l'apprendimento automatico e altro ancora. Ogni lezione si basa su ciò che avete già imparato, dandovi una base solida per il successo nel mondo reale.

Che siate analisti di dati, ingegneri di dati, data scientist o data steward, imparare Spark vi aiuterà a progredire nella vostra carriera o a intraprendere una nuova carriera nel settore in piena espansione dei Big Data.

Imparate a.

- Scoprire cosa fa Apache Spark e come si inserisce nel panorama dei Big Data.

- Distribuire ed eseguire Spark in locale o nel cloud.

- Interagire con Spark dalla shell.

- Sfruttare al meglio l'architettura cluster di Spark.

- Sviluppare applicazioni Spark con Scala e Python funzionale.

- Programmare con le API di Spark, comprese le trasformazioni e le azioni.

- Applicare approcci pratici di ingegneria/analisi dei dati progettati per Spark.

- Utilizzare i Resilient Distributed Datasets (RDD) per la cache, la persistenza e l'output.

- Ottimizzare le prestazioni delle soluzioni Spark.

- Utilizzare Spark con SQL (tramite Spark SQL) e con NoSQL (tramite Cassandra).

- Sfruttare tecniche di programmazione funzionale all'avanguardia.

- Estendere Spark con streaming, R e Sparkling Water.

- Iniziare a costruire applicazioni di machine learning e graph-processing basate su Spark.

- Esplorare tecnologie di messaggistica avanzate, tra cui Kafka.

- Anteprima e preparazione per la prossima generazione di innovazioni di Spark.

Le istruzioni vi guidano attraverso le domande, i problemi e i compiti più comuni.

Le domande e le risposte, i quiz e le esercitazioni consentono di approfondire e testare le conoscenze acquisite.

I suggerimenti di Did You Know? offrono consigli e scorciatoie da insider.

Gli avvisi di Attenzione aiutano a evitare le insidie. Al termine del corso, sarete in grado di utilizzare Apache Spark per risolvere un'ampia gamma di problemi legati ai Big Data.