Big Data Analytics with Spark: A Practitioner's Guide to Using Spark for Large Scale Data Analysis

ویرایش: 1 
نویسندگان: Mohammed Guller  
سری:  
ISBN (شابک) : 1484209656, 9781484209653 
ناشر: Apress 
سال نشر: 2015 
تعداد صفحات: 290 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 89,000



تجزیه و تحلیل داده های بزرگ با اسپارک راهنمای گام به گام برای یادگیری Spark است که یک چارچوب محاسباتی خوشه ای منبع باز و سریع و همه منظوره برای تجزیه و تحلیل داده های در مقیاس بزرگ است. شما یاد خواهید گرفت که چگونه از Spark برای انواع مختلف پروژه های تجزیه و تحلیل داده های بزرگ، از جمله تجزیه و تحلیل داده های دسته ای، تعاملی، نموداری و جریانی و همچنین یادگیری ماشینی استفاده کنید. علاوه بر این، این کتاب به شما کمک می‌کند تا به یک متخصص پرطرفدار Spark تبدیل شوید.

Spark یکی از داغ‌ترین فناوری‌های Big Data است. حجم داده های تولید شده توسط دستگاه ها، برنامه ها و کاربران امروزه در حال انفجار است. بنابراین، نیاز اساسی به ابزارهایی وجود دارد که بتواند داده های در مقیاس بزرگ را تجزیه و تحلیل کند و ارزش را از آن باز کند. Spark یک فناوری قدرتمند است که این نیاز را برآورده می کند. برای مثال می‌توانید از Spark برای انجام محاسبات با تأخیر کم از طریق استفاده از حافظه پنهان کارآمد و الگوریتم‌های تکراری استفاده کنید. از ویژگی های پوسته آن برای تجزیه و تحلیل آسان و تعاملی داده ها استفاده کنید. از ویژگی‌های پردازش دسته‌ای سریع و تأخیر کم آن برای پردازش جریان‌های داده در زمان واقعی و غیره استفاده کنید. در نتیجه، پذیرش Spark به سرعت در حال رشد است و جایگزین Hadoop MapReduce به عنوان فناوری انتخابی برای تجزیه و تحلیل داده های بزرگ می شود.

این کتاب مقدمه‌ای بر Spark و فناوری‌های کلان داده مرتبط ارائه می‌کند. این هسته Spark و کتابخانه های افزودنی آن از جمله Spark SQL، Spark Streaming، GraphX ​​و MLlib را پوشش می دهد. بنابراین تجزیه و تحلیل داده‌های بزرگ با Spark برای حرفه‌ای‌های پرمشغله نوشته شده است که ترجیح می‌دهند به جای صرف ساعت‌های بی‌شماری در اینترنت برای انتخاب تکه‌ها و قطعات از منابع مختلف، یک فناوری جدید را از یک منبع تلفیقی یاد بگیرند.

این کتاب همچنین فصلی در مورد Scala، داغ‌ترین زبان برنامه‌نویسی کاربردی، و برنامه‌ای که زیربنای Spark است، ارائه می‌کند. شما اصول برنامه نویسی تابعی را در اسکالا یاد خواهید گرفت، به طوری که می توانید برنامه های Spark را در آن بنویسید.

چه چیزی بیشتر، تجزیه و تحلیل داده های بزرگ با Spark مقدمه ای را ارائه می دهد. به سایر فناوری‌های کلان داده که معمولاً همراه با Spark استفاده می‌شوند، مانند Hive، Avro، Kafka و غیره. پس کتاب خودکفا است; تمام فناوری هایی که برای استفاده از Spark باید بدانید پوشش داده شده است. تنها چیزی که انتظار می رود بدانید برنامه نویسی به هر زبانی است.

کمبود شدید افراد با تخصص کلان داده وجود دارد، بنابراین شرکت ها مایلند برای افراد دارای مهارت دلار گرانی بپردازند. در مناطقی مانند اسپارک و اسکالا. بنابراین خواندن این کتاب و جذب اصول آن باعث تقویت - احتمالاً یک پیشرفت بزرگ - به شغل شما می شود.

Big Data Analytics with Spark is a step-by-step guide for learning Spark, which is an open-source fast and general-purpose cluster computing framework for large-scale data analysis. You will learn how to use Spark for different types of big data analytics projects, including batch, interactive, graph, and stream data analysis as well as machine learning. In addition, this book will help you become a much sought-after Spark expert.

Spark is one of the hottest Big Data technologies. The amount of data generated today by devices, applications and users is exploding. Therefore, there is a critical need for tools that can analyze large-scale data and unlock value from it. Spark is a powerful technology that meets that need. You can, for example, use Spark to perform low latency computations through the use of efficient caching and iterative algorithms; leverage the features of its shell for easy and interactive Data analysis; employ its fast batch processing and low latency features to process your real time data streams and so on. As a result, adoption of Spark is rapidly growing and is replacing Hadoop MapReduce as the technology of choice for big data analytics.

This book provides an introduction to Spark and related big-data technologies. It covers Spark core and its add-on libraries, including Spark SQL, Spark Streaming, GraphX, and MLlib. Big Data Analytics with Spark is therefore written for busy professionals who prefer learning a new technology from a consolidated source instead of spending countless hours on the Internet trying to pick bits and pieces from different sources.

The book also provides a chapter on Scala, the hottest functional programming language, and the program that underlies Spark. You’ll learn the basics of functional programming in Scala, so that you can write Spark applications in it.

What's more, Big Data Analytics with Spark provides an introduction to other big data technologies that are commonly used along with Spark, like Hive, Avro, Kafka and so on. So the book is self-sufficient; all the technologies that you need to know to use Spark are covered. The only thing that you are expected to know is programming in any language.

There is a critical shortage of people with big data expertise, so companies are willing to pay top dollar for people with skills in areas like Spark and Scala. So reading this book and absorbing its principles will provide a boost―possibly a big boost―to your career.

Front Matter....Pages i-xxiii
Big Data Technology Landscape....Pages 1-15
Programming in Scala....Pages 17-33
Spark Core....Pages 35-61
Interactive Data Analysis with Spark Shell....Pages 63-70
Writing a Spark Application....Pages 71-78
Spark Streaming....Pages 79-102
Spark SQL....Pages 103-152
Machine Learning with Spark....Pages 153-205
Graph Processing with Spark....Pages 207-230
Cluster Managers....Pages 231-242
Monitoring....Pages 243-264
Bibliography....Pages 265-267
Back Matter....Pages 269-277