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: Rishi Yadav
سری:
ISBN (شابک) : 1783987065, 9781783987061
ناشر: Packt Publishing
سال نشر: 2015
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Spark Cookbook 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 Spark Cookbook 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.
بیش از 60 دستور غذا در Spark، که شامل Spark Core، Spark SQL، Spark Streaming، MLlib، و کتابخانه های GraphX است
اگر شما یک مهندس داده، یک توسعهدهنده اپلیکیشن یا یک دانشمند داده هستید که میخواهید برای استفاده از قدرت Apache Spark برای به دست آوردن بینش بهتر از داده های بزرگ، پس این کتاب برای شماست.
با معرفی فضای ذخیره سازی پایدار در حافظه، Apache Spark نیاز به ذخیره داده های میانی در سیستم های فایل را از بین می برد و در نتیجه سرعت پردازش را افزایش می دهد. تا 100 بار.
این کتاب بر نحوه تجزیه و تحلیل مجموعههای بزرگ و پیچیده داده تمرکز دارد. با نصب و پیکربندی Apache Spark با مدیران کلاستر مختلف، راه اندازی محیط های توسعه را پوشش خواهید داد. سپس دستور العمل های مختلفی را برای انجام پرس و جوهای تعاملی با استفاده از Spark SQL و استریم بلادرنگ با منابع مختلف مانند Twitter Stream و Apache Kafka پوشش خواهید داد. سپس بر یادگیری ماشین تمرکز خواهید کرد، از جمله یادگیری تحت نظارت، یادگیری بدون نظارت و الگوریتم های موتور توصیه. پس از تسلط بر پردازش گراف با استفاده از GraphX، دستور العمل های مختلفی را برای بهینه سازی و عیب یابی کلاستر پوشش خواهید داد.
Over 60 recipes on Spark, covering Spark Core, Spark SQL, Spark Streaming, MLlib, and GraphX libraries
If you are a data engineer, an application developer, or a data scientist who would like to leverage the power of Apache Spark to get better insights from big data, then this is the book for you.
By introducing in-memory persistent storage, Apache Spark eliminates the need to store intermediate data in filesystems, thereby increasing processing speed by up to 100 times.
This book will focus on how to analyze large and complex sets of data. Starting with installing and configuring Apache Spark with various cluster managers, you will cover setting up development environments. You will then cover various recipes to perform interactive queries using Spark SQL and real-time streaming with various sources such as Twitter Stream and Apache Kafka. You will then focus on machine learning, including supervised learning, unsupervised learning, and recommendation engine algorithms. After mastering graph processing using GraphX, you will cover various recipes for cluster optimization and troubleshooting.