Guide to High Performance Distributed Computing: Case Studies with Hadoop, Scalding and Spark

این متن/مرجع به موقع، توسعه و اجرای سیستم های پردازش توزیع شده در مقیاس بزرگ را با استفاده از ابزارها و فناوری های منبع باز توصیف می کند. این کتاب که از نظر دامنه جامع است، مواد پیشرفته‌ای را در مورد ساخت سیستم‌های محاسباتی توزیع‌شده با کارایی بالا، ارائه راهنمایی‌های عملی و بهترین شیوه‌ها و همچنین توصیف چارچوب‌های نرم‌افزاری نظری ارائه می‌کند. ویژگی ها: اصول ساخت سیستم های نرم افزاری مقیاس پذیر را برای پردازش داده در مقیاس بزرگ در پارادایم جدید محاسبات توزیع شده با کارایی بالا شرح می دهد. یک نمای کلی از اکوسیستم Hadoop را ارائه می دهد و به دنبال آن دستورالعمل های گام به گام نصب، برنامه نویسی و اجرای آن را ارائه می دهد. اصول اولیه Spark، از جمله مجموعه داده‌های توزیع‌شده انعطاف‌پذیر را مرور می‌کند، و پخش Hadoop و کار با Scalding را بررسی می‌کند. مطالعات موردی مفصلی را در مورد رویکردهای خوشه‌بندی، طبقه‌بندی داده‌ها و تحلیل رگرسیون ارائه می‌کند. فرآیند ایجاد یک سیستم توصیه‌گر کار با استفاده از Scalding و Spark را توضیح می‌دهد.

This timely text/reference describes the development and implementation of large-scale distributed processing systems using open source tools and technologies. Comprehensive in scope, the book presents state-of-the-art material on building high performance distributed computing systems, providing practical guidance and best practices as well as describing theoretical software frameworks. Features: describes the fundamentals of building scalable software systems for large-scale data processing in the new paradigm of high performance distributed computing; presents an overview of the Hadoop ecosystem, followed by step-by-step instruction on its installation, programming and execution; Reviews the basics of Spark, including resilient distributed datasets, and examines Hadoop streaming and working with Scalding; Provides detailed case studies on approaches to clustering, data classification and regression analysis; Explains the process of creating a working recommender system using Scalding and Spark.