图书简介

本书是使用Spark进行大规模数据分析的实战宝典，由大数据公司Cloudera的数据科学家撰写。四位作者首先结合数据科学和大数据分析的广阔背景讲解了Spark，然后介绍了用Spark和Scala进行数据处理的基础知识，接着讨论了如何将Spark用于机器学习，同时介绍了常见应用中几个常用的算法。此外还收集了一些更加新颖的应用，比如通过文本隐含语义关系来查询Wikipedia或分析基因数据。

目录

推荐序 ix

译者序 xi

序 xiii

前言 xv

第1 章　大数据分析 1

1.1　数据科学面临的挑战 2

1.2　认识Apache Spark 4

1.3　关于本书 5

第2 章　用Scala 和Spark 进行数据分析 7

2.1　数据科学家的Scala 8

2.2　Spark 编程模型 9

2.3　记录关联问题 9

2.4　小试牛刀：Spark shell 和SparkContext 10

2.5　把数据从集群上获取到客户端 15

2.6　把代码从客户端发送到集群 18

2.7　用元组和case class 对数据进行结构化 19