Spark：大數(shù)據(jù)集群計算的生產實踐

定　價：￥65.00

作　者：	[美] Ilya，Ganelin（伊利亞-甘列林）等著；李剛譯
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	工業(yè)技術自動化技術

購買這本書可以去

ISBN：	9787121313646	出版時間：	2017-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	220	字數(shù)：

內容簡介

　　本書針對spark從驗證性環(huán)境遷移到實際生產環(huán)境時會遇到的各種問題給出了實際的幫助，涵蓋了開發(fā)及維護生產級Spark應用的各種方法、組件與有用實踐。全書分為6章，第1 ~ 2章幫助讀者深入理解Spark的內部機制以及它們在生產流程中的含義；第3章和第5章闡述了針對配置參數(shù)的法則和權衡方案，用來調優(yōu)Spark，改善性能，獲得高可用性和容錯性；第4章專門討論Spark應用中的安全問題；第6章則全面介紹生產流，以及把一個應用遷移到一個生產工作流中時所需要的各種組件，同時對Spark生態(tài)系統(tǒng)進行了梳理。

作者簡介

　　Ilya Ganelin是一名數(shù)據(jù)工程師，Apache Spark核心組件的活躍貢獻者以及Apache Apex的提交者（committer）。Ema Orhian 是一位對伸縮性算法充滿激情的大數(shù)據(jù)工程師。她活躍于大數(shù)據(jù)社區(qū)，組織會議，在會上發(fā)表演講，積極投身于開源項目。Kai Sasaki 是一位日本軟件工程師，對分布式計算和機器學習很感興趣。Kai一直是Spark的貢獻者，開發(fā)了不少MLlib和ML庫。Brennon York既是一名特技飛行員，也是一位計算機科學家。他的愛好是分布式計算、可擴展架構以及編程語言。自2014年以來，他就是Apache Spark的核心貢獻者。李剛，曾在IBM工作近20年，在數(shù)據(jù)中心IT建設、優(yōu)化及管理領域有深入的研究和豐富的經驗。在IBM期間負責IBM系統(tǒng)服務相關解決方案的開發(fā)與管理，其中包含數(shù)據(jù)中心基礎設施與IT技術瓶體、數(shù)據(jù)中心高可用性管理暨災難恢復，以及企業(yè)IT戰(zhàn)略及IT架構優(yōu)化等相關領域。

圖書目錄

第1 章成功運行Spark job / 1
安裝所需組件 / 2
原生安裝Spark Standalone 集群 /3
分布式計算的發(fā)展史/ 3
步入云時代 /5
理解資源管理/6
使用各種類型的存儲格式 /9
文本文件/11
Sequence 文件/13
Avro 文件/ 13
Parquet 文件 /13
監(jiān)控和度量的意義/ 14
Spark UI/ 14
Spark Standalone UI/ 17
Metrics REST API / 17
Metrics System / 18
外部監(jiān)控工具 / 18
總結 /19
第2 章集群管理 /21
背景知識/ 23
Spark 組件 / 26
Driver / 27
workers 與executors /28
配置 / 30
Spark Standalone/33
架構 / 34
單節(jié)點設置場景 / 34
多節(jié)點設置 / 36
YARN / 36
架構 / 38
動態(tài)資源分配 /41
場景 /43
Mesos/ 45
安裝/46
架構 / 47
動態(tài)資源分配/ 49
基本安裝場景 / 50
比較 / 52
總結 /56
第3 章性能調優(yōu) /59
Spark 執(zhí)行模型/ 60
分區(qū) /62
控制并行度/62
分區(qū)器/64
shuffle 數(shù)據(jù) /65
shuffle 與數(shù)據(jù)分區(qū) / 67
算子與shuffle / 70
shuffle 并不總是壞事 /75
序列化 / 75
Kryo 注冊器 / 77
Spark 緩存 / 77
SparkSQL 緩存 / 81
內存管理 /82
垃圾回收 / 83
共享變量 / 84
廣播變量 / 85
累加器 /87
數(shù)據(jù)局部性 / 90
總結 / 91
第4 章安全/ 93
架構/ 94
Security Manager/ 94
設定配置 / 95
ACL / 97
配置 / 97
提交job / 98
Web UI/ 99
網(wǎng)絡安全 / 107
加密/ 108
事件日志 /113
Kerberos/114
Apache Sentry．/114
總結 /115
第5 章容錯或job 執(zhí)行/ 117
Spark job 的生命周期 /118
Spark master /119
Spark driver/ 122
Spark worker /124
job 生命周期 /124
job 調度 /125
應用程序內部調度 / 125
用外部工具進行調度 / 133
容錯 /135
內部容錯與外部容錯 / 136
SLA/ 137
RDD / 138
Batch vs Streaming / 145
測試策略 / 148
推薦配置/ 155
總結 / 158
第6 章超越Spark /159
數(shù)據(jù)倉庫 /159
SparkSQL CLI/161
Thrift JDBC/ODBC 服務器 / 162
Hive on Spark/ 162
機器學習 / 164
DataFrame / 165
MLlib 和ML / 167
Mahout on Spark / 174
Hivemall On Spark/ 175
外部的框架 / 176
Spark Package / 177
XGBoost/ 179
spark-jobserver / 179
未來的工作 /182
與參數(shù)服務器集成 / 184
深度學習 / 192
Spark 在企業(yè)中的應用 / 200
用Spark 及Kafka 收集用戶活動日志 / 200
用Spark 做實時推薦/ 202
Twitter Bots 的實時分類 / 204
總結 / 205