Spark: Big Data Cluster Computing in Production

Spark: محاسبات خوشه ای بزرگ داده در تولید فراتر از مرورهای کلی Spark است تا راهنمایی هدفمند را برای استفاده سریع رعد و برق ارائه دهد. خوشه بندی کلان داده در تولید این کتاب که توسط یک تیم متخصص که در جامعه کلان داده شناخته شده است، نوشته شده است، این کتاب شما را در چالش‌های حرکت از برنامه‌های اثبات مفهوم یا نسخه‌ای Spark به زندگی Spark در تولید راهنمایی می‌کند. موارد استفاده واقعی بینش عمیقی در مورد مشکلات، محدودیت‌ها، چالش‌ها و فرصت‌های رایج ارائه می‌کنند، در حالی که نکات و ترفندهای متخصص به شما کمک می‌کنند از عملکرد Spark بیشترین بهره را ببرید. پوشش شامل Spark SQL، Tachyon، Kerberos، ML Lib، YARN، و Mesos، با راهنمایی روشن و قابل اجرا در مورد زمان‌بندی منابع، اتصالات db، جریان، امنیت و موارد دیگر است.

Spark به ابزار انتخابی برای بسیاری از مشکلات Big Data تبدیل شده است، با مشارکت کنندگان فعال تر از هر پروژه نرم افزار Apache. کتاب‌های مقدماتی عمومی فراوان است، اما این کتاب اولین کتابی است که بینش عمیق و توصیه‌های واقعی در مورد استفاده از Spark در تولید ارائه می‌کند. راهنمایی های خاص، نکات تخصصی و آینده نگری ارزشمند این راهنما را به منبعی فوق العاده مفید برای تنظیمات تولید واقعی تبدیل می کند.

• بررسی الزامات سخت‌افزار Spark و تخمین اندازه خوشه
• دریافت بینشی از موارد استفاده تولید در دنیای واقعی
• امنیت، منابع برنامه‌ریزی و تنظیم دقیق عملکرد
li>
• غلبه بر مشکلات رایج با استفاده از Spark در تولید

Spark با سایر ابزارهای کلان داده از جمله MapReduce و Hadoop کار می کند و از زبان هایی استفاده می کند که قبلاً می دانید مانند Java، Scala، Python و R. سرعت رعد و برق باعث می شود اسپارک آنقدر خوب باشد که نمی توان از آن عبور کرد، اما درک محدودیت ها و چالش ها از قبل راه طولانی را به سوی سهولت اجرای واقعی تولید می کند. Spark: Big Data Cluster Computing in Production با بینش تولید در دنیای واقعی و راهنمایی های متخصص، نکات و ترفندها، همه چیزهایی را که باید بدانید به شما می گوید.

Spark: Big Data Cluster Computing in Production goes beyond general Spark overviews to provide targeted guidance toward using lightning-fast big-data clustering in production. Written by an expert team well-known in the big data community, this book walks you through the challenges in moving from proof-of-concept or demo Spark applications to live Spark in production. Real use cases provide deep insight into common problems, limitations, challenges, and opportunities, while expert tips and tricks help you get the most out of Spark performance. Coverage includes Spark SQL, Tachyon, Kerberos, ML Lib, YARN, and Mesos, with clear, actionable guidance on resource scheduling, db connectors, streaming, security, and much more.

Spark has become the tool of choice for many Big Data problems, with more active contributors than any other Apache Software project. General introductory books abound, but this book is the first to provide deep insight and real-world advice on using Spark in production. Specific guidance, expert tips, and invaluable foresight make this guide an incredibly useful resource for real production settings.

• Review Spark hardware requirements and estimate cluster size
• Gain insight from real-world production use cases
• Tighten security, schedule resources, and fine-tune performance
• Overcome common problems encountered using Spark in production

Spark works with other big data tools including MapReduce and Hadoop, and uses languages you already know like Java, Scala, Python, and R. Lightning speed makes Spark too good to pass up, but understanding limitations and challenges in advance goes a long way toward easing actual production implementation. Spark: Big Data Cluster Computing in Production tells you everything you need to know, with real-world production insight and expert guidance, tips, and tricks.