Mastering Apache Spark大数据实战宝典

Apache Spark 的进阶宝典《Mastering Apache Spark》还挺值得推荐给搞大数据的你。内容覆盖面广，从基础的Spark Core到实战级的Structured Streaming、MLlib、GraphX都有讲，细节拉满。是机器学习那一块，ML Pipelines搭建工作流挺有意思，像StringIndexer和Tokenizer这种工具用起来贼顺手。书里还讲了模型评估和调优，像CrossValidator、BinaryClassificationEvaluator这些都讲得明白。

用 Spark 做流？书里有详细例子，结合Structured Streaming模块，能搞定实时数据。而且它还聊到了Spark SQL，你要是平时写 SQL 比较多，用这个模块挺顺的，支持结构化查询，响应也快。

另外，像模型保存加载的ML Persistence也有说，搞完训练直接持久化，方便后期部署。嗯，整本书就像老司机带着你走完整个 Spark 生态圈，边学边练，实用。

如果你正好在搭建机器学习工作流，或者搞大数据实时的项目，可以翻一翻这本，收获还挺多。