Spark大數(shù)據(jù)實例開發(fā)教程

第1章Spark簡介
1.1什么是Spark
1.2Spark生態(tài)圈
1.2.1伯克利數(shù)據(jù)分析協(xié)議棧
1.2.2Spark開源社區(qū)發(fā)展
1.3RDD編程模型
1.3.1RDD抽象概念
1.3.2RDD的操作
1.3.3RDD的依賴關(guān)系
1.3.4一個典型的DAG示意圖
第2章Spark RDD實踐案例與解析
2.1Spark應(yīng)用程序部署
2.1.1Spark應(yīng)用的基本概念
2.1.2應(yīng)用程序的部署方式
2.2RDD數(shù)據(jù)的輸入、處理、輸出的基本案例與解析
2.2.1集群環(huán)境的搭建
2.2.2交互式工具的啟動
2.2.3文本數(shù)據(jù)的ETL案例實踐與解析
2.2.4文本數(shù)據(jù)的初步統(tǒng)計案例實踐與解析
2.2.5文本數(shù)據(jù)統(tǒng)計結(jié)果的持久化案例實踐與解析
2.2.6RDD的Lineage關(guān)系的案例與源碼解析
2.2.7RDD的持久化案例與解析
2.2.8RDD的構(gòu)建案例與解析
2.2.9分區(qū)數(shù)設(shè)置的案例與源碼解析
2.3RDD API的應(yīng)用案例與解析
2.3.1如何查找RDD API的隱式轉(zhuǎn)換
2.3.2RDD\\[T\\]的分區(qū)相關(guān)的API
2.3.3RDD\\[T\\]常用的聚合API
2.3.4DoubleRDDFunctions(self:RDD\\[Double\\])常用的API
2.3.5PairRDDFunctions［K,V］聚合相關(guān)的API
2.3.6RDD相互間操作的API
2.3.7PairRDDFunctions［K,V］間的相關(guān)API
2.3.8OrderedRDDFunctions［K,V,P<:Product2［K,V］］常用的API
2.4Spark應(yīng)用程序構(gòu)建
2.4.1基于SBT構(gòu)建Spark應(yīng)用程序的實例
2.4.2基于IDEA構(gòu)建Spark應(yīng)用程序的實例
2.4.3Spark提交應(yīng)用的調(diào)試實例
2.5移動互聯(lián)網(wǎng)數(shù)據(jù)分析案例與解析
2.5.1移動互聯(lián)網(wǎng)數(shù)據(jù)的準(zhǔn)備
2.5.2移動互聯(lián)網(wǎng)數(shù)據(jù)分析與解析
2.6Spark RDD實踐中的常見問題與解答
第3章Spark SQL實踐案例與解析
3.1Spark SQL概述
3.2DataFrame處理的案例與解析
3.2.1DataFrame編程模型
3.2.2DataFrame基本操作案例與解析
3.2.3DataFrame與RDD之間的轉(zhuǎn)換案例與解析
3.2.4緩存表（列式存儲）的案例與解析
3.2.5DataFrame API的應(yīng)用案例與分析
3.3Spark SQL處理各種數(shù)據(jù)源的案例與解析
3.3.1通用的加載/保存功能的案例與解析
3.3.2Parquet文件處理的案例與解析
3.3.3JSON數(shù)據(jù)集操作的案例與解析
3.3.4操作Hive表的案例與解析
3.3.5使用JDBC 操作其他數(shù)據(jù)庫的案例與解析
3.3.6集成Hive數(shù)據(jù)倉庫的案例與解析
3.4基于Hive的人力資源系統(tǒng)數(shù)據(jù)處理案例與解析
3.4.1人力資源系統(tǒng)的數(shù)據(jù)庫與表的構(gòu)建
3.4.2人力資源系統(tǒng)的數(shù)據(jù)的加載
3.4.3人力資源系統(tǒng)的數(shù)據(jù)的查詢
第4章Spark Streaming實踐案例與解析
4.1Spark Streaming概述
4.2Spark Streaming基礎(chǔ)概念
4.3企業(yè)信息實時處理的案例與解析
4.3.1處理TCP數(shù)據(jù)源的案例與解析
4.3.2處理HDFS文件數(shù)據(jù)源的案例與解析
4.3.3處理Kafka數(shù)據(jù)源的準(zhǔn)備工作
4.3.4基于Receiver讀取Kafka數(shù)據(jù)的案例與解析
4.3.5直接讀?。oReceiver）Kafka數(shù)據(jù)的案例與解析
4.3.6處理Flume數(shù)據(jù)源的實踐準(zhǔn)備
4.3.7基于Flume風(fēng)格的推送數(shù)據(jù)案例與解析
4.3.8定制FlumeSink的拉取數(shù)據(jù)案例與解析
4.4性能調(diào)優(yōu)
4.4.1減少批處理的時間
4.4.2設(shè)置正確的批間隔
4.4.3內(nèi)存調(diào)優(yōu)
第5章Tachyon實踐案例與解析
5.1Tachyon概述
5.2重新編譯部署包
5.2.1重新編譯Tachyon的部署包
5.2.2重新編譯Spark的部署包
5.3Tachyon部署的案例與解析
5.3.1單機模式部署的案例與解析
5.3.2集群模式部署的案例與解析
5.3.3集群Master容錯部署的案例與解析
5.4Tachyon配置的案例與解析
5.4.1底層存儲系統(tǒng)的配置案例與解析
5.4.2配置屬性與解析
5.5命令行接口的案例與解析
5.5.1命令行接口的說明
5.5.2命令行接口的案例實踐與解析
5.6同步底層文件系統(tǒng)的案例與解析
5.6.1同步HDFS底層文件系統(tǒng)的案例與解析
5.6.2同步本地底層文件系統(tǒng)的案例與解析
5.7基于Tachyon運行的案例與解析
5.7.1基于Tachyon運行Spark的案例與解析
5.7.2基于Tachyon運行Hadoop MR的案例與解析
附錄Spark 1.4版本新特性