文件目录:零基础入门Spark,文件大小:408.13M
01丨Spark:从“大数据的HelloWorld”开始.pdf[11.50M]
02丨RDD与编程模型:延迟计算是怎么回事?.pdf[10.56M]
03丨RDD常用算子(一):RDD内部的数据转换.pdf[10.18M]
04丨进程模型与分布式部署:分布式计算是怎么回事?.pdf[9.93M]
05丨调度系统:DAG、Stages与分布式任务.pdf[11.72M]
06丨Shuffle管理:为什么Shuffle是性能瓶颈?.pdf[10.25M]
07丨RDD常用算子(二):Spark如何实现数据聚合?.pdf[10.64M]
08丨内存管理:Spark如何使用内存?.pdf[10.77M]
09丨RDD常用算子(三):数据的准备、重分布与持久化.pdf[10.95M]
10丨广播变量-累加器:共享变量是用来做什么的?.pdf[9.26M]
11丨存储系统:数据到底都存哪儿了?.pdf[11.72M]
12丨基础配置详解:有哪些配置项是你必须要关注的?.pdf[8.95M]
13丨让我们从《小汽车摇号分析》开始.pdf[10.93M]
14丨DataFrame与SparkSQL的由来.pdf[12.23M]
15丨数据源与数据格式:DataFrame从何而来?.pdf[10.98M]
16丨数据转换:如何在DataFrame之上做数据处理?.pdf[11.05M]
17丨数据关联:不同的关联形式与实现机制该怎么选?.pdf[10.18M]
18丨数据关联优化:都有哪些Join策略,开发者该如何取舍?.pdf[10.70M]
19丨配置项详解:哪些参数会影响应用程序执行性能?.pdf[10.26M]
20丨Hive+Spark强强联合:分布式数仓的不二之选.pdf[11.52M]
21丨SparkUI(上):如何高效地定位性能问题?.pdf[12.98M]
22丨SparkUI(下):如何高效地定位性能问题?.pdf[13.13M]
23丨SparkMLlib:从“房价预测”开始.pdf[11.33M]
24丨特征工程(上):有哪些常用的特征处理函数?.pdf[11.15M]
25丨特征工程(下):有哪些常用的特征处理函数?.pdf[11.73M]
26丨模型训练(上):决策树系列算法详解.pdf[11.26M]
27丨模型训练(中):回归、分类和聚类算法详解.pdf[10.31M]
28丨模型训练(下):协同过滤与频繁项集算法详解.pdf[10.87M]
29丨SparkMLlibPipeline:高效开发机器学习应用.pdf[8.58M]
30丨StructuredStreaming:从“流动的WordCount”开始.pdf[10.54M]
31丨新一代流处理框架:Batchmode和Continuousmode哪家强?.pdf[11.69M]
32丨Window操作&Watermark:流处理引擎提供了哪些优秀机制?.pdf[11.25M]
33丨流计算中的数据关联:流与流、流与批.pdf[9.38M]
34丨Spark+Kafka:流计算中的“万金油”.pdf[10.60M]
结束语丨进入时间裂缝,持续学习.pdf[10.40M]
开篇词丨入门Spark,你需要学会“三步走”.pdf[10.06M]
用户故事丨小王:保持空杯心态,不做井底之蛙.pdf[18.58M]
网盘下载:
如下载链接失效,请在页面底部评论,24小时内修复下载链接。
评论0