دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Raju Kumar Mishra
سری:
ISBN (شابک) : 9781484231401, 9781484231418
ناشر: Apress
سال نشر: 2017
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب PySpark Recipes: A Problem-Solution Approach with PySpark2 به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب دستور العمل های PySpark: رویکرد حل مشکل با PySpark2 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بهسرعت راهحلهایی برای مشکلات رایج برنامهنویسی که هنگام پردازش دادههای بزرگ با آن مواجه میشوند، بیابید. محتوا در قالب رایج مشکل-راه حل ارائه شده است. مشکل برنامه نویسی را که می خواهید حل کنید جستجو کنید. راه حل را بخوانید. راه حل را مستقیماً در کد خود اعمال کنید. مشکل حل شد!
PySpark Recipes هادوپ و کاستیهای آن را پوشش میدهد. معماری Spark، PySpark و RDD ارائه شده است. شما یاد خواهید گرفت که از RDD برای حل مشکلات روزانه کلان داده استفاده کنید. Python و NumPy گنجانده شده است و درک و پذیرش مدل را برای زبان آموزان جدید PySpark آسان می کند.
آنچه خواهید آموخت
درک ویژگی های پیشرفته PySpark2 و SparkSQL
کد خود را بهینه کنید
برنامه SparkSQL با پایتون
از Spark Streaming و Spark MLlib با Python استفاده کنید
آنالیز نمودار را با GraphFrames انجام دهید
این کتاب برای چه کسی است
< قوی
تحلیلگران داده، برنامه نویسان پایتون، علاقه مندان به داده های بزرگ
Quickly find solutions to common programming problems encountered while processing big data. Content is presented in the popular problem-solution format. Look up the programming problem that you want to solve. Read the solution. Apply the solution directly in your own code. Problem solved!
PySpark Recipes covers Hadoop and its shortcomings. The architecture of Spark, PySpark, and RDD are presented. You will learn to apply RDD to solve day-to-day big data problems. Python and NumPy are included and make it easy for new learners of PySpark to understand and adopt the model.
What You Will Learn
Understand the advanced features of PySpark2 and SparkSQL
Optimize your code
Program SparkSQL with Python
Use Spark Streaming and Spark MLlib with Python
Perform graph analysis with GraphFrames
Who This Book Is For
Data analysts, Python programmers, big data enthusiasts
Front Matter ....Pages i-xxiii
The Era of Big Data, Hadoop, and Other Big Data Processing Frameworks (Raju Kumar Mishra)....Pages 1-14
Installation (Raju Kumar Mishra)....Pages 15-44
Introduction to Python and NumPy (Raju Kumar Mishra)....Pages 45-83
Spark Architecture and the Resilient Distributed Dataset (Raju Kumar Mishra)....Pages 85-114
The Power of Pairs: Paired RDDs (Raju Kumar Mishra)....Pages 115-136
I/O in PySpark (Raju Kumar Mishra)....Pages 137-161
Optimizing PySpark and PySpark Streaming (Raju Kumar Mishra)....Pages 163-185
PySparkSQL (Raju Kumar Mishra)....Pages 187-233
PySpark MLlib and Linear Regression (Raju Kumar Mishra)....Pages 235-259
Back Matter ....Pages 261-265