Spark起源于2009年，是美国加州大学伯克利分校AMP实验室的一个研究性项目，于2010年开源。随着Spark社区的不断成熟，它已被广泛应用于阿里巴巴、百度、网易、英特尔等各大公司的生产环境中。

凯洛编写的《Spark快速数据处理》系统讲解Spark的使用方法。

Spark是一个开源的通用并行分布式计算框架，由加州大学伯克利分校的AMP实验室开发，支持内存计算、多迭代批量处理、即席查询、流处理和图计算等多种范式。Spark内存计算框架适合各种迭代算法和交互式数据分析，能够提升大数据处理的实时性和准确性，现已逐渐获得很多企业的支持，如阿里巴巴、百度、网易、英特尔等公司。

凯洛编写的《Spark快速数据处理》系统讲解Spark的使用方法，《Spark快速数据处理》包括如何在多种机器上安装Spark，如何配置一个Spark集群，如何在交互模式下运行第一个Spark作业，如何在Spark集群上构建一个生产级的脱机/独立作业，如何与Spark集群建立连接和使用SparkContext，如何创建和保存RDD（弹性分布式数据集），如何用Spark分布式处理数据，如何设置Shark，将Hive查询集成到你的Spark作业中来，如何测试Spark作业，以及如何提升Spark任务的性能。

译者序

作者简介

前言

第1章　安装Spark以及构建Spark集群

 1.1　单机运行Spark

 1.2　在EC2上运行Spark

 1.3　在ElasticMapReduce上部署Spark

 1.4　用Chef(opscode)部署Spark

 1.5　在Mesos上部署Spark

 1.6　在Yarn上部署Spark

 1.7　通过SSH部署集群

 1.8　链接和参考

 1.9　小结

第2章　Sparkshell的使用

 2.1　加载一个简单的text文件

 2.2　用Sparkshell运行逻辑回归

 2.3　交互式地从S3加载数据

 2.4　小结

第3章　构建并运行Spark应用

 3.1　用sbt构建Spark作业

 3.2　用Maven构建Spark作业

 3.3　用其他工具构建Spark作业

 3.4　小结

第4章　创建SparkCo

 4.1　Scala

 4.2　Java

 4.3　Java和Scala共享的API

 4.4　Python / 45

 4.5　链接和参考

 4.6　小结

第5章　加载与保存数据

 5.1　RDD

 5.2　加载数据到RDD中

 5.3　保存数据

 5.4　连接和参考

 5.5　小结

第6章　操作

 6.1　用Scala和Java操作

 6.2　用Python操作

 6.3　链接和参考

 6.4　小结

第7章　Shark-Hive和Spark的综合运用

 7.1　为什么用Hive/

 7.2　安装

 7.3　运行

 7.4　加载数据

 7.5　在Spark程序中运行HiveQL查询

 7.6　链接和参考

 7.7　小结

第8章　测试

 8.1　用Java和Scala测试

 8.2　用Python测试

 8.3　链接和参考

 8.4　小结

第9章　技巧和窍门

 9.1　日志位置

 9.2　并发限制

 9.3　内存使用与垃圾回收

 9.4　序列化

 9.5　IDE集成环境

 9.6　Spark与其他语言

 9.7　安全提示

 9.8　邮件列表

 9.9　链接和参考

 9.10　小结