Apache Spark 全套 PDF 文档

本资源提供 Apache Spark 机器学习 PDF 文档，供您免费学习和参考。

五章干货满满的《Spark 实战高手之路》，挺适合想撸 Spark 集群开发的你。讲得比较细，像架构、内核、还有实战都一一拆解了，读起来也不会太晦涩。更妙的是，它不只是讲概念，实操内容也安排上了，跟着做一遍思路就清楚了。讲 Spark 内核那一章，内容蛮扎实。比如任务调度怎么跑、DAG 是怎么生成的，都有图解搭配。想深入理解架构的你，真的别错过。再搭配下边的架构图文章，看着更有感觉。文档里还穿插了一些编程实践，比如RDD的用法，和Spark SQL的流程。对刚接触 Spark 或者正打算上手项目的人来说，比较友好，响应也快，代码也简单。顺手给你推荐几个相关资源，像深度解析 Spark 内核架构

Apache Spark

Spark2.1 Hadoop2.6 ，涵盖 Spark Core 和 Spark SQL，是入门大数据分析的必备工具。

Apache Spark作为一种分布式计算系统，高效处理大规模数据。详细剖析了Spark的技术原理和内部结构，涵盖了RDD的核心概念及其在集群中的作用，以及Spark通过DAG图执行作业的过程和任务调度器的工作机制。

软件开发流程里的文档资料，整理得还挺全的。从最前期的可行性研究、需求，一直到测试、控制程序都有，基本上能覆盖项目从启动到交付的全过程。文档类型也挺多样的，像测试计划、操作手册、编程参考手册模板，对你写文档或准备汇报材料都挺有。不用自己从零写，省时间。还有一个亮点是控制程序类文档，比如不合格品控制程序、测试和检验控制程序这类，挺适合做质量体系或流程规范的朋友参考。如果你正准备做测试计划或搞测试报告，强烈建议从这里找灵感，文档结构和术语都比较标准，照着写不容易踩坑。顺便还有几篇相关文章可以参考，像大数据平台的可行性研究，还有Jmeter 性能测试操作手册，做测试或评估的时候也能用得上。

这是一个学习 Apache Spark 的共享资源库。最初由 [Feng2017] 在 Github 上发布，主要包含作者在 IMA 数据科学奖学金期间的自学笔记。 该资源库力求使用详细的演示代码和示例来演示如何使用每个主要功能。 这些教程假设读者具备编程和 Linux 的基础知识，并以简单易懂的教程和详细示例的形式分享 PySpark 编程知识。

Apache Spark 已成为提升 Apache Hadoop 环境的各种功能的引擎。对于大数据，Apache Spark 满足了许多需求，并本机运行在 Apache Hadoop 的 YARN 上。通过在 Apache Hadoop 环境中运行 Apache Spark，您可以获得该平台固有的所有安全、治理和可扩展性。Apache Spark 还与 Apache Hive 非常好地集成，并且利用集成安全功能可以访问所有 Apache Hadoop 表。

Apache Spark 图处理，一种处理大规模图数据的解决方案。