《循序渐进学Spark 》导读-低调大师

《循序渐进学Spark 》导读

2017-05-18 559

目　　录

前　言

第1章　 Spark架构与集群环境

1.1　Spark概述与架构

1.1.1　Spark概述

1.1.2　Spark生态

1.1.3　Spark架构

1.2　在Linux集群上部署Spark

1.2.1　安装OpenJDK

1.2.2　安装Scala

1.2.3　配置SSH免密码登录

1.2.4　Hadoop的安装配置

1.2.5　Spark的安装部署

1.2.6　Hadoop与Spark的集群复制

1.3　Spark 集群试运行

1.4　Intellij IDEA的安装与配置

1.4.1　Intellij的安装

1.4.2　Intellij的配置

1.5　Eclipse IDE的安装与配置

1.6　使用Spark Shell开发运行Spark程序

1.7　本章小结

第2章　 Spark 编程模型

2.1　RDD弹性分布式数据集

2.1.1　RDD简介

2.1.2　深入理解RDD

2.1.3　RDD特性总结

2.2　Spark程序模型

2.3　Spark算子

2.3.1　算子简介

2.3.2　Value型Transmation算子

2.3.3　Key-Value型Transmation算子

2.3.4　Action算子

2.4　本章小结

第3章　 Spark机制原理

3.1　Spark应用执行机制分析

3.1.1　Spark应用的基本概念

3.1.2　Spark应用执行机制概要

3.1.3　应用提交与执行

3.2　Spark调度机制

3.2.1　Application的调度

3.2.2　job的调度

3.2.3　stage（调度阶段）和TasksetManager的调度

3.2.4　task的调度

3.3　Spark存储与I/O

3.3.1　Spark存储系统概览

3.3.2　BlockManager中的通信

3.4　Spark通信机制

3.4.1　分布式通信方式

3.4.2　通信框架AKKA

3.4.3　Client、Master和Worker之间的通信

3.5　容错机制及依赖

3.5.1　Lineage（血统）机制

3.5.2　Checkpoint（检查点）机制

3.6　Shuffle机制

3.6.1　什么是Shuffle

3.6.2　Shuffle历史及细节

3.7　本章小结

微信关注我们

原文链接：https://yq.aliyun.com/articles/86273

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

《Spark官方文档》Spark Streaming编程指南（二）

累加器和广播变量首先需要注意的是，累加器（Accumulators）和广播变量（Broadcast variables）是无法从Spark Streaming的检查点中恢复回来的。所以如果你开启了检查点功能，并同时在使用累加器和广播变量，那么你最好是使用懒惰实例化的单例模式，因为这样累加器和广播变量才能在驱动器（driver）故障恢复后重新实例化。代码示例如下： Scala Java Python object WordBlacklist { @volatile private var instance: Broadcast[Seq[String]] = null def getInstance(sc: SparkContext): Broadcast[Seq[String]] = { if (instance == null) { synchronized { if (instance == null) { val wordBlacklist = Seq("a", "b", "c") instance = sc.broadcast(wordBlacklist) } } } inst...

2017-05-19

783

Spark SQL, DataFrames 以及 Datasets 编程指南概要 Spark SQL是Spark中处理结构化数据的模块。与基础的Spark RDD API不同，Spark SQL的接口提供了更多关于数据的结构信息和计算任务的运行时信息。在Spark内部，Spark SQL会能够用于做优化的信息比RDD API更多一些。Spark SQL如今有了三种不同的API：SQL语句、DataFrame API和最新的Dataset API。不过真正运行计算的时候，无论你使用哪种API或语言，Spark SQL使用的执行引擎都是同一个。这种底层的统一，使开发者可以在不同的API之间来回切换，你可以选择一种最自然的方式，来表达你的需求。本文中所有的示例都使用Spark发布版本中自带的示例数据，并且可以在spark-shell、pyspark shell以及sparkR shell中运行。 SQL Spark SQL的一种用法是直接执行SQL查询语句，你可使用最基本的SQL语法，也可以选择HiveQL语法。Spark SQL可以从已有的Hive中读取数据。更详细的请参考Hive ...

2017-05-19

573

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。