spark 性能调优的干货资源，内容全、讲得细、源码也扒得比较透。

里面的spark-config-and-tuning是调参的关键，像spark.executor.memory、spark.sql.shuffle.partitions这些参数怎么配，关系到任务能不能顺利跑完，也影响资源用得是否高效。

spark-graphx-source-analysis和spark-ml-source-analysis就比较适合进阶用户，尤其是你想知道 GraphX 背后的消息传播机制，或者 MLlib 模型训练的优化逻辑，看源码比看文档靠谱。

还有一个spark-programming-guide-zh-cn，挺适合刚入门的同学，讲得比较通俗，例子也多，嗯，翻起来也轻松点。

如果你平时也用到像HBase、MySQL、Oracle这些数据库，那下面这堆相关文章可以搭配着看，比如HBase 性能调优或者MySQL 性能调优学生指南都挺实用的。

调 Spark 的时候也别忽略底层资源的协调，这篇讲 Hadoop、Zookeeper 的调优也值得看看，资源卡在哪一层，文章里都有说法。

如果你已经在做生产环境的调优，建议你直接冲第 08 讲-Spark 性能优化与资源调优策略，内容系统、案例也多，比较有参考价值。