Spark权威指南（影印版 英文版）

　　Preface
　　Part I．Gentle Overview of Big Data and Spark
　　1． What Is Apache Spark?
　　Apache Spark's Philosophy
　　Context： The Big Data Problem
　　History of Spark
　　The Present and Future of Spark
　　Running Spark
　　Downloading Spark Locally
　　Launching Spark's Interactive Consoles
　　Running Spark in the Cloud
　　Data Used in This Book
　　2． A Gentle Introduction to Spark
　　Spark's Basic Architecture
　　Spark Applications
　　Spark's Language APIs
　　Spark's APIs
　　Starting Spark
　　The SparkSession
　　DataFrames
　　Partitions
　　Transformations
　　Lazy Evaluation
　　Actions
　　Spark UI
　　An End-to-End Example
　　DataFrames and SQL
　　Conclusion
　　3． A Tour of Spark's Too1set
　　Running Production Applications
　　Datasets： Type-Safe Structured APIs
　　Structured Streaming
　　Machine Learning and Advanced Analytics
　　Lower-Level APIs
　　SparkR
　　Spark's Ecosystem and Packages
　　Conclusion
　　Part II．Structured APls——DataFrames， SQL， and Datasets
　　4． Structured API Overview
　　DataFrames and Datasets
　　Schemas
　　Overview of Structured Spark Types
　　DataFrames Versus Datasets
　　Columns
　　Rows
　　Spark Types
　　Overview of Structured API Execution
　　Logical Planning
　　Physical Planning
　　Execution
　　Conclusion
　　5． Basic Structured Operations
　　Schemas
　　Columns and Expressions
　　Columns
　　Expressions
　　Records and Rows
　　Creating Rows
　　DataFrame Transformations
　　Creating DataFrames
　　select and selectExpr
　　Converting to Spark Types （Literals）
　　Adding Columns
　　……
　　6．Working with Different Types of Data
　　7．Aggregations
　　8．Joins
　　9．Data Sources
　　10．Spark SQL
　　11．Datasets
　　Part III．Low—Level APIs
　　12．Resilient Distributed Datasets（RDDs）
　　13．Advanced RDDs
　　14．Distributed Shared Variables
　　Part IV．Production Applications
　　15．HowSparkRunson a Cluster
　　16．Developing Spark Applications
　　17．Deploying Spark
　　18．Monitoring and Debugging
　　19．Performance Tuning
　　Part V．Streaming
　　20．Stream Processing Fundamentals
　　21．Structured Streaming Basics
　　22．Event-Time and Stateful Processing
　　23．Structured Streaming in Production
　　Part VI．Advanced Analytics and Machine Learning
　　24．Advanced Analytics and Machine Learning Overview
　　25．Preprocessing and Feature Engineering
　　26．Classification
　　27．Regression
　　28．Recommendation
　　29．Unsupervised Learning
　　30．Graph Analytics
　　31．Deep Learning
　　Part VII．Ecosystem
　　32．Language Specifics：Python（PySpark）and R（SparkR and sparklyr）
　　33．Ecosystem and Community
　　Index

　　为了帮助读者学习如何使用、部署和维护Apache Spark，该开源集群计算框架的部分创建者编写了本书这本综合指南。
　　本书作者比尔·钱伯斯和马太·扎哈里亚在强调Spark 2.0的改进和新功能的同时，将Spark题分为不同的部分，每个部分都有其独特的目标。
　　你将探索Spark的结构化API的基本操作和常见功能以及Structured Streaming，后者是用于构建端到端流应用的一种全新的高层API。开发人员和系统管理员会学Spark监控、调优、调试的基础知识，探索机器学习技术以及Spark可扩展机器学习库MLlib的部署场景。