Spark: La guida definitiva: L'elaborazione dei Big Data resa semplice

Recensioni dei lettori

Il libro su Apache Spark (incentrato principalmente su PySpark) ha ricevuto un mix di recensioni, che ne hanno evidenziato l'approccio pratico, le spiegazioni dettagliate e gli ampi esempi sia in Scala che in Python. Tuttavia, è stato anche criticato per l'organizzazione, l'accuratezza del codice e i problemi di formattazione quando viene letto su alcuni dispositivi.

⬤ Approccio pratico all'apprendimento
⬤ copertura completa dei concetti di Spark
⬤ esempi di codice dettagliati in Scala e Python
⬤ include sezioni di ML
⬤ materiale organizzato per la comprensione dell'architettura di Spark
⬤ buono per gli studenti che passano da altri linguaggi di programmazione
⬤ utile come fonte unica per Spark in produzione.

⬤ Alcuni esempi di codice non sono corretti o richiedono modifiche
⬤ l'organizzazione può essere frammentaria
⬤ problemi di formattazione sulle piattaforme digitali (ad esempio, Kindle)
⬤ le pagine possono essere di scarsa qualità di stampa
⬤ alcuni lo trovano ripetitivo
⬤ potrebbe non fornire conoscenze immediatamente attuabili per tutti i lettori.

(basato su 71 recensioni dei lettori)

Titolo originale:

Spark: The Definitive Guide: Big Data Processing Made Simple

Contenuto del libro:

Imparate a usare, distribuire e mantenere Apache Spark con questa guida completa, scritta dai creatori di questo framework open-source per il cluster-computing. Ponendo l'accento sui miglioramenti e sulle nuove funzionalità di Spark 2.0, gli autori Bill Chambers e Matei Zaharia suddividono gli argomenti di Spark in due parti. 0, gli autori Bill Chambers e Matei Zaharia suddividono gli argomenti di Spark in sezioni distinte, ognuna con obiettivi specifici.

Esplorerete le operazioni di base e le funzioni comuni delle API strutturate di Spark, nonché lo Structured Streaming, una nuova API di alto livello per la creazione di applicazioni di streaming end-to-end. Gli sviluppatori e gli amministratori di sistema impareranno i fondamenti del monitoraggio, della messa a punto e del debug di Spark, ed esploreranno le tecniche di apprendimento automatico e gli scenari per l'utilizzo di MLlib, la libreria scalabile di apprendimento automatico di Spark.

⬤ Ottiene una delicata panoramica sui big data e su Spark.

⬤ Imparare a conoscere DataFrames, SQL e Datasets, le API principali di Spark, attraverso esempi pratici.

⬤ Approfondite le API di basso livello di Spark, gli RDD e l'esecuzione di SQL e DataFrames.

⬤ Capire come Spark viene eseguito su un cluster.

⬤ Eseguire il debug, il monitoraggio e la messa a punto dei cluster e delle applicazioni Spark.

⬤ Imparare la potenza dello Structured Streaming e di MLlib di Spark per le attività di apprendimento automatico.

⬤ Esplorare il più ampio ecosistema Spark, compresi SparkR e Graph Analysis.

⬤ Esaminare l'implementazione di Spark, compresa la copertura di Spark nel cloud.