Beginning Apache Spark Using Azure Databricks: Unleashing Large Cluster Analytics in the Cloud

با استفاده از Apache Spark با Databricks در فضای ابری، حجم عظیمی از داده ها را در زمان رکورد تجزیه و تحلیل کنید. با استفاده از Apache Spark با Databricks در بالا، اصول و موارد دیگر را در اجرای تجزیه و تحلیل در کلاسترهای بزرگ در Azure و AWS بیاموزید. کشف کنید که چگونه می‌توانید با صرف کسری از هزینه راه‌حل‌های تحلیل کلاسیک، بیشترین ارزش را از داده‌های خود به دست آورید و در عین حال نتایج مورد نیاز خود را به صورت تدریجی سریع‌تر به دست آورید.

این کتاب نحوه تلاقی این روش‌ها را توضیح می‌دهد. وقتی صحبت از مجموعه داده‌های عظیم به میان می‌آید، این فناوری‌های محوری به شما قدرت بسیار زیادی می‌دهند، و ارزان‌تر. شما با یادگیری اینکه چگونه زیرساخت ابری این امکان را فراهم می‌کند که کد شما را در مقادیر زیادی از واحدهای پردازشی مقیاس‌بندی کنید، بدون نیاز به پیش‌پرداخت برای ماشین‌آلات، شروع می‌کنید. از آنجا خواهید آموخت که چگونه Apache Spark، یک چارچوب متن باز، می تواند تمام آن CPU ها را برای استفاده از تجزیه و تحلیل داده فعال کند. در نهایت، خواهید دید که چگونه سرویس هایی مانند Databricks قدرت آپاچی اسپارک را ارائه می کنند، بدون اینکه نیازی به اطلاعاتی در مورد پیکربندی سخت افزار یا نرم افزار داشته باشید. با از بین بردن نیاز به متخصصان و سخت افزار گران قیمت، منابع شما می تواند در عوض به یافتن ارزش تجاری در داده ها اختصاص یابد.

این کتاب شما را در برخی از موضوعات پیشرفته مانند تجزیه و تحلیل در ابر، دریاچه های داده، راهنمایی می کند. جذب داده، معماری، یادگیری ماشین و ابزارهایی از جمله Apache Spark، Apache Hadoop، Apache Hive، Python و SQL. تمرین های ارزشمند به تقویت آموخته هایتان کمک می کند.

آنچه خواهید آموخت

• ارزش تجزیه و تحلیل داده های بزرگ را که از قدرت ابر استفاده می کند، کشف کنید
• با Databricks با استفاده از SQL و Python در Microsoft Azure یا AWS شروع کنید
• تکنولوژی زیربنایی را درک کنید و اینکه چگونه ابر و اسپارک آپاچی در تصویر بزرگ‌تر قرار می‌گیرند
• ببینید چگونه از این ابزارها در دنیای واقعی استفاده می‌شود
• تجزیه و تحلیل‌های اولیه، از جمله یادگیری ماشینی، را روی میلیاردها ردیف در کسری از هزینه یا رایگان

این کتاب برای چه کسی است

مهندسین داده، دانشمندان داده و معماران ابری که می‌خواهند یا نیاز به اجرای تجزیه و تحلیل پیشرفته در فضای ابری دارند. فرض بر این است که خواننده تجربه داده دارد، اما شاید کمترین میزان مواجهه با Apache Spark و Azure Databricks را داشته باشد. این کتاب همچنین برای افرادی که می‌خواهند در زمینه تجزیه و تحلیل شروع کنند، توصیه می‌شود، زیرا پایه‌ای قوی را فراهم می‌کند.

Analyze vast amounts of data in record time using Apache Spark with Databricks in the Cloud. Learn the fundamentals, and more, of running analytics on large clusters in Azure and AWS, using Apache Spark with Databricks on top. Discover how to squeeze the most value out of your data at a mere fraction of what classical analytics solutions cost, while at the same time getting the results you need, incrementally faster.

This book explains how the confluence of these pivotal technologies gives you enormous power, and cheaply, when it comes to huge datasets. You will begin by learning how cloud infrastructure makes it possible to scale your code to large amounts of processing units, without having to pay for the machinery in advance. From there you will learn how Apache Spark, an open source framework, can enable all those CPUs for data analytics use. Finally, you will see how services such as Databricks provide the power of Apache Spark, without you having to know anything about configuring hardware or software. By removing the need for expensive experts and hardware, your resources can instead be allocated to actually finding business value in the data.

This book guides you through some advanced topics such as analytics in the cloud, data lakes, data ingestion, architecture, machine learning, and tools, including Apache Spark, Apache Hadoop, Apache Hive, Python, and SQL. Valuable exercises help reinforce what you have learned.

What You Will Learn

• Discover the value of big data analytics that leverage the power of the cloud
• Get started with Databricks using SQL and Python in either Microsoft Azure or AWS
• Understand the underlying technology, and how the cloud and Apache Spark fit into the bigger picture
• See how these tools are used in the real world
• Run basic analytics, including machine learning, on billions of rows at a fraction of a cost or free

Who This Book Is For

Data engineers, data scientists, and cloud architects who want or need to run advanced analytics in the cloud. It is assumed that the reader has data experience, but perhaps minimal exposure to Apache Spark and Azure Databricks. The book is also recommended for people who want to get started in the analytics field, as it provides a strong foundation.