Ilość danych we wszystkich domenach wciąż rośnie. Jak możemy skutecznie je wykorzystywać? W książce Poznajemy Sparka przedstawiono Apache Spark, system open source do przetwarzania klastrów, dzięki któremu pisanie i uruchamianie aplikacji analizy danych jest szybsze. Za pomocą Sparka można stawić czoła dużym zbiorom danych za pośrednictwem prostych interfejsów w językach Python, Java i Scala.

Dzięki tej pracy, napisanej przez deweloperów Sparka, naukowcy zajmujący się danymi i inżynierowie dowiedzą się, jak przedstawiać równoległe zadania za pomocą kilku wierszy kodu oraz jak pisać aplikacje od prostych zdań wsadowych do przetwarzania strumieniowego i systemów uczących się. Informacje zawarte w książce pozwolą im na:.

• szybkie zgłębienie możliwości Sparka, takich jak rozproszone zbiory danych, buforowanie w pamięci oraz interaktywna powłoka
• wykorzystywanie wbudowanych bibliotek, łącznie z Spark SQL, Spark Streaming oraz MLlib
• wykorzystywanie paradygmatu programowania zamiast łączenia i dopasowywania narzędzi takich jak Hive, Hadoop, Mahout i Storm 
• poznawanie sposobu wykorzystywania aplikacji interakcyjnych, wsadowych i strumieniowych dołączanie źródeł danych, np. HDFS, Hive, JSON i S3

Osoby które kupowały "Poznajemy Sparka. Błyskawiczna analiza danych", wybierały także:

• Scala for Machine Learning - Second Edition 186,88 zł, (29,90 zł -84%)
• Data Analysis with IBM SPSS Statistics 186,88 zł, (29,90 zł -84%)
• QlikView for Developers 186,88 zł, (29,90 zł -84%)
• Practical Machine Learning Cookbook 186,88 zł, (29,90 zł -84%)
• Mastering Hadoop 3 175,88 zł, (29,90 zł -83%)

Spis treści

Poznajemy Sparka. Błyskawiczna analiza danych eBook -- spis treści

• Okładka
• Strona tytułowa
• Strona redakcyjna
• Spis treści
• Słowo wstępne
• Wprowadzenie
• 1. Wprowadzenie do analizy danych w Sparku
  • Czym jest Apache Spark?
  • Ujednolicony stos
  • Jądro Sparka
  • Spark SQL
  • Spark Streaming
  • MLlib
  • GraphX
  • Zarządzanie klastrami
  • Kto i po co korzysta ze Sparka?
  • Zadania z zakresu nauki o danych
  • Aplikacje przetwarzania danych
  • Krótka historia Sparka
  • Wersje i wydania Sparka
  • Warstwy pamięci w Sparku
• 2. Pobieranie Sparka i rozpoczęcie pracy
  • Pobieranie Sparka
  • Wprowadzenie do powłok Sparka dla Pythona i Scali
  • Wprowadzenie do podstawowych pojęć Sparka
  • Niezależne aplikacje
  • Inicjalizowanie kontekstu SparkContext
  • Tworzenie niezależnych aplikacji
  • Podsumowanie
• 3. Programowanie z rozproszonymi zbiorami danych RDD
  • Podstawy RDD
  • Tworzenie RDD
  • Działania na RDD
  • Transformacje
  • Akcje
  • Leniwa ewaluacja
  • Przekazywanie funkcji do Sparka
  • Python
  • Scala
  • Java
  • Popularne transformacje i akcje
  • Podstawowe RDD
  • Przekształcenia między typami RDD
  • Utrzymywanie (buforowanie)
  • Podsumowanie
• 4. Praca z parami klucz-wartość
  • Motywacja
  • Tworzenie RDD par
  • Transformacje na RDD par
  • Agregacje
  • Grupowanie danych
  • Złączenia
  • Sortowanie danych
  • Działania dostępne na RDD par
  • Partycjonowanie danych (zaawansowane)
  • Określanie partycjonera RDD
  • Działania, które zyskują dzięki partycjonowaniu
  • Działania, które mają wpływ na partycjonowanie
  • Przykład: PageRank
  • Niestandardowe partycjonery
  • Podsumowanie
• 5. Ładowanie i zapisywanie danych
  • Motywacja
  • Formaty plików
  • Pliki tekstowe
  • JSON
  • Wartości oddzielane przecinkami i tabulatorami
  • Pliki sekwencyjne
  • Pliki obiektowe
  • Formaty wejścia i wyjścia w Hadoop
  • Kompresja plików
  • Systemy plików
  • Lokalny lub zwykły
  • Amazon S3
  • HDFS
  • Dane strukturalne w Spark SQL
  • Apache Hive
  • JSON
  • Bazy danych
  • Łączniki z bazą danych Java
  • Cassandra
  • HBase
  • Elasticsearch
  • Podsumowanie
• 6. Zaawansowane programowanie w Sparku
  • Wprowadzenie
  • Akumulatory
  • Akumulatory i odporność na błędy
  • Akumulatory niestandardowe
  • Zmienne rozgłoszeniowe
  • Optymalizacja rozgłoszeń
  • Praca na poszczególnych partycjach
  • Potokowanie do programów zewnętrznych
  • Działania liczbowe na RDD
  • Podsumowanie
• 7. Uruchamianie Sparka w klastrze
  • Wprowadzenie
  • Spark Runtime Architecture
  • Sterownik
  • Wykonawcy
  • Menedżer klastrów
  • Uruchamianie programu
  • Podsumowanie
  • Wdrażanie aplikacji za pomocą spark-submit
  • Pakowanie kodu i elementów zależnych
  • Aplikacja Java Spark budowana za pomocą Mavena
  • Aplikacja Scala Spark budowana za pomocą sbt
  • Konflikty zależności
  • Harmonogramowanie w aplikacjach Sparka i między nimi
  • Menedżery klastrów
  • Menedżer klastrów Standalone
  • Hadoop YARN
  • Apache Mesos
  • Amazon EC2
  • Którego menedżera klastrów używać?
  • Podsumowanie
• 8. Dostrajanie i debugowanie Sparka
  • Konfigurowanie Sparka z SparkConf
  • Składniki wykonania: prace, zadania i etapy
  • Znajdowanie informacji
  • Sieciowy interfejs użytkownika w Sparku (Web UI)
  • Dzienniki sterownika i wykonawców
  • Kluczowe zagadnienia dotyczące wydajności
  • Poziom równoległości
  • Format serializacji
  • Zarządzanie pamięcią
  • Dostarczanie sprzętu
  • Podsumowanie
• 9. Spark SQL
  • Łączenie ze Spark SQL
  • Używanie Spark SQL w aplikacjach
  • Inicjalizacja Spark SQL
  • Przykład podstawowych zapytań
  • Elementy DataFrames
  • Buforowanie
  • Ładowanie i zapisywanie danych
  • Apache Hive
  • Źródła danych lub Parquet
  • JSON
  • Ze zbiorów RDD
  • Serwer JDBC/ODBC
  • Praca z Beeline
  • Długotrwałe tablice i zapytania
  • Funkcje definiowane przez użytkowników
  • UDF w Spark SQL
  • Funkcje UDF w Hive
  • Wydajność Spark SQL
  • Opcje dostrajania wydajności
  • Podsumowanie
• 10. Spark Streaming
  • Prosty przykład
  • Architektura i abstrakcja
  • Transformacje
  • Transformacje bezstanowe
  • Transformacje stanowe
  • Operacje wyjścia
  • Źródła wejściowe
  • Główne źródła
  • Dodatkowe źródła
  • Wiele źródeł i ustawianie rozmiaru klastra
  • Działanie 24/7
  • Punkty kontrolne
  • Odporność sterownika na błędy
  • Odporność węzła roboczego na błędy
  • Odporność odbiornika na błędy
  • Gwarancje przetwarzania
  • Interfejs użytkownika w strumieniowaniu
  • Kwestie wydajności
  • Rozmiary wsadu i okien
  • Poziom równoległości
  • Czyszczenie pamięci i jej wykorzystywanie
  • Podsumowanie
• 11. Systemy uczące się w MLlib
  • Przegląd
  • Wymagania dotyczące systemu
  • Podstawy systemów uczących się
  • Przykład: klasyfikacja spamu
  • Typy danych
  • Praca z wektorami
  • Algorytmy
  • Ekstrakcja cech
  • Statystyki
  • Klasyfikacja i regresja
  • Klastrowanie
  • Wspólne filtrowanie i rekomendacje
  • Zmniejszenie wymiarowości
  • Ewaluacja modelu
  • Wskazówki i kwestie wydajności
  • Przygotowanie cech
  • Konfigurowanie algorytmów
  • Bufrowanie zbiorów RDD do ponownego wykorzystania
  • Rozpoznawanie rzadkości
  • Poziom równoległości
  • API potoku
  • Podsumowanie
• O autorach
• Przypisy