大数据处理框架Apache Spark设计与实现

9.6 本章小结

9.5 数据缓存空间管理

9.4 Spark框架执行内存消耗与管理

9.3 Spark框架内存管理模型

9.2 应用内存消耗来源及影响因素

9.1 内存管理机制问题及挑战

第9章 内存管理机制

8.6 本章小结

8.5 checkpoint与数据缓存的区别

8.4 checkpoint机制的设计与实现

8.3 重新计算机制

8.2 错误容忍机制的设计思想

8.1 错误容忍机制的意义及挑战

第8章 错误容忍机制

7.4 本章小结

7.3 与Hadoop MapReduce的缓存机制进行对比

7.2 数据缓存机制的设计原理

7.1 数据缓存的意义

第7章 数据缓存机制

6.6 本章小结

6.5 与Hadoop MapReduce的Shuffle机制对比

6.4 支持高效聚合和排序的数据结构

6.3 Spark中Shuffle框架的设计

6.2 Shuffle的设计思想

6.1 Shuffle的意义及设计挑战

第6章 Shuffle机制

第四部分 大数据处理框架性能和可靠性保障机制

5.5 本章小结

5.4 迭代型图计算应用——PageRank

5.3 迭代型机器学习应用——广义线性模型

5.2 迭代型机器学习应用SparkLR

5.1 迭代型Spark应用的分类及特点

第5章 迭代型Spark应用

第三部分 典型的Spark应用

4.5 扩展阅读

4.4 本章小结

4.3 常用数据操作生成的物理执行计划

4.2 Spark物理执行计划生成方法

4.1 Spark物理执行计划概览

第4章 Spark物理执行计划

3.7 扩展阅读

3.6 本章小结

3.5 对比MapReduce，Spark的优缺点

3.4 常用action（）数据操作

3.3 常用transformation（）数据操作

3.2 Spark逻辑处理流程生成方法

3.1 Spark逻辑处理流程概览

第3章 Spark逻辑处理流程

第二部分 Spark大数据处理框架的核心理论

2.5 本章小结

2.4 Spark编程模型

2.3 Spark应用例子

2.2 Spark系统架构

2.1 Spark安装部署

第2章 Spark系统部署与应用运行的基本流程

1.8 扩展阅读

1.7 本章小结

1.6 其他大数据处理框架

1.5 错误容忍机制

1.4 大数据处理框架的四层结构

1.3 大数据应用及编程模型

1.2 大数据处理框架

1.1 大数据及其带来的挑战

第1章 大数据处理框架概览

第一部分 大数据处理框架的基础知识

前言

内容简介

作者简介

版权信息

封面

封面

版权信息

作者简介

内容简介

前言

第一部分 大数据处理框架的基础知识

第1章 大数据处理框架概览

1.1 大数据及其带来的挑战

1.2 大数据处理框架

1.3 大数据应用及编程模型

1.4 大数据处理框架的四层结构

1.5 错误容忍机制

1.6 其他大数据处理框架

1.7 本章小结

1.8 扩展阅读

第2章 Spark系统部署与应用运行的基本流程

2.1 Spark安装部署

2.2 Spark系统架构

2.3 Spark应用例子

2.4 Spark编程模型

2.5 本章小结

第二部分 Spark大数据处理框架的核心理论

第3章 Spark逻辑处理流程

3.1 Spark逻辑处理流程概览

3.2 Spark逻辑处理流程生成方法

3.3 常用transformation（）数据操作

3.4 常用action（）数据操作

3.5 对比MapReduce，Spark的优缺点

3.6 本章小结

3.7 扩展阅读

第4章 Spark物理执行计划

4.1 Spark物理执行计划概览

4.2 Spark物理执行计划生成方法

4.3 常用数据操作生成的物理执行计划

4.4 本章小结

4.5 扩展阅读

第三部分 典型的Spark应用

第5章 迭代型Spark应用

5.1 迭代型Spark应用的分类及特点

5.2 迭代型机器学习应用SparkLR

5.3 迭代型机器学习应用——广义线性模型

5.4 迭代型图计算应用——PageRank

5.5 本章小结

第四部分 大数据处理框架性能和可靠性保障机制

第6章 Shuffle机制

6.1 Shuffle的意义及设计挑战

6.2 Shuffle的设计思想

6.3 Spark中Shuffle框架的设计

6.4 支持高效聚合和排序的数据结构

6.5 与Hadoop MapReduce的Shuffle机制对比

6.6 本章小结

第7章 数据缓存机制

7.1 数据缓存的意义

7.2 数据缓存机制的设计原理

7.3 与Hadoop MapReduce的缓存机制进行对比

7.4 本章小结

第8章 错误容忍机制

8.1 错误容忍机制的意义及挑战

8.2 错误容忍机制的设计思想

8.3 重新计算机制

8.4 checkpoint机制的设计与实现

8.5 checkpoint与数据缓存的区别

8.6 本章小结

第9章 内存管理机制

9.1 内存管理机制问题及挑战

9.2 应用内存消耗来源及影响因素

9.3 Spark框架内存管理模型

9.4 Spark框架执行内存消耗与管理

9.5 数据缓存空间管理

9.6 本章小结