了得網研究生_Spark編程基礎（Python版）

商品搜索

类别：

关键字：

商品分类

　研究生
　 工学
　 公共课
　 经济管理
　 理学
　 农学
　 文法类
　 医学

　音乐
　 音乐理论

　声乐　通俗音乐　音乐欣赏　钢琴　二胡　小提琴

Spark編程基礎（Python版）
該商品所屬分類：研究生 -> 工學
【市場價】	248-358元
【優惠價】	155-224元
【作者】	林子雨
【所屬類別】	圖書教材研究生/本科/專科教材工學
【出版社】	人民郵電出版社
【ISBN】	9787115524393
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

開本：16開

紙張：膠版紙

包裝：平裝-膠訂

是否套裝：否

國際標準書號ISBN：9787115524393

叢書名：大數據創新人纔培養繫列

作者：林子雨

出版社：人民郵電出版社

出版時間：2020年04月

編輯推薦

1.本書是廈門大學作者團隊長期經驗總結的結晶。本書是在廈門大學《大數據技術原理與應用》入門級大數據教材的基礎之上編寫的。為了確保教程質量，在編著出版紙質教材之前，實驗室已經於2016年10月通過實驗室官網免費發布共享了簡化版的Spark在線教程和相關教學資源，同時，該在線教程也已經用於廈門大學計*機科學繫研究生的大數據課程教學，並成為全國高校大數據課程教師培訓交流班的授課內容。實驗室根據讀者對在線Spark教程的大量反饋意見以及教學實踐中發現的問題，對Spark在線教程進行了多次修正和完善，所有這些前期準備工作，都為紙質教材的編著出版打下了堅實的基礎。披荊斬棘，在大數據叢林中開闢學習捷徑填溝削坎，為快速學習Spark 技術鋪平道路深入淺出，有效降低Spark 技術學習門檻資源全面，構建全方位一站式在線服務體繫

內容簡介

本書以Python作為開發Spark應用程序的編程語言，繫統介紹了Spark編程的基礎知識。全書共8章，內容包括大數據技術概述、Spark的設計與運行原理、Spark環境搭建和使用方法、RDD編程、Spark SQL、Spark Streaming、Structured Streaming、Spark MLlib等。

作者簡介

林子雨，博士（畢業於北京大學），現為廈門大學計*機科學繫助理教授，全國高校知名大數據教師，廈門大學數據庫實驗室負責人，榮獲2013年度和2017年度廈門大學獎教金、2018年廈門大學高等教育教學成果特等獎、2018年福建省高等教育教學成果二等獎和2018年國家精品在線開放課程，中國計*機學會數據庫專委會委員，中國計*機學會信息繫統專委會委員。曾任廈門大學信息科學與技術學院院長助理、晉江市發展和改革局副局長。主要研究方向為數據庫、數據倉庫、數據挖掘、大數據，並以作者身份在《軟件學報》《計*機學報》和《計*機研究與發展》等國家重點期刊以及國際學術會議上發表多篇學術論文。作為項目負責人主持的科研項目包括1項國家自然科學青年基金項目(No.61303004)、1項福建省自然科學青年基金項目(No.2013J05099)和1項中央高校基本科研業務費項目(No.2011121049)，主持的教改課題包括1項2016年福建省教改課題和1項2016年*產學協作育人項目。編著出版了國內高校本繫統介紹大數據知識的專業教材《大數據技術原理與應用》，被國內眾多高校采用作為開課教材，並成為、當當網等網店暢銷書籍。建設了國內高校**大數據課程公共服務平臺，為教師教學和學生學習大數據課程提供全方位、一站式服務，成為國內高校大數據教學知名品牌，平臺每年訪問量超過100萬次。

第1 章大數據技術概述1

1.1大數據概念與關鍵技術2

1.1.1大數據的概念2

1.1.2大數據關鍵技術2

1.2代表性大數據技術4

1.2.1Hadoop4

1.2.2Spark8

第1 章大數據技術概述1

1.1大數據概念與關鍵技術2

1.1.1大數據的概念2

1.1.2大數據關鍵技術2

1.2代表性大數據技術4

1.2.1Hadoop4

1.2.2Spark8

1.2.3Flink10

1.2.4Beam11

1.3編程語言的選擇12

1.4在線資源13

1.5本章小結14

1.6習題14

實驗1Linux 繫統的安裝和常用*令15

第2章 Spark 的設計與運行原理17

2.1概述18

2.2Spark 生態繫統19

2.3Spark 運行架構21

2.3.1基本概念21

2.*.*架構設計21

2.3.3Spark 運行基本流程22

2.3.4RDD 的設計與運行原理24

2.4Spark 的部署方式33

2.5本章小結34

2.6習題34

第3章 Spark 環境搭建和使用方法35

3.1安裝Spark36

3.1.1基礎環境36

3.1.2下載安裝文件36

3.1.3配置相關文件38

3.1.4驗證Spark 是否安裝成功39

3.1.5Spark 和Hadoop 的交互39

*.*在pyspark 中運行代碼40

*.*.1pyspark *令40

*.*.2啟動pyspark41

3.3開發Spark 獨立應用程序42

3.3.1編寫程序42

3.*.*通過spark-submit 運行程序43

3.4Spark 集*環境搭建44

3.4.1集*概況44

3.4.2搭建Hadoop 集*44

3.4.3在集*中安裝Spark45

3.4.4配置環境變量45

3.4.5Spark 的配置46

3.4.6啟動Spark 集*47

3.4.7關閉Spark 集*47

3.5在集*上運行Spark 應用程序48

3.5.1啟動Spark 集*48

3.5.2采用獨立集*管理器48

3.5.3采用Hadoop YARN 管理器49

3.6本章小結51

3.7習題51

實驗2Spark 和Hadoop 的安裝51

第4章 RDD 編程53

4.1RDD 編程基礎54

4.1.1RDD 創建54

4.1.2RDD 操作56

4.1.3持久化63

4.1.4分區64

4.1.5一*綜合實例69

4.2鍵值對RDD71

4.2.1鍵值對RDD 的創建71

4.2.2常用的鍵值對轉換操作72

4.2.3一*綜合實例78

4.3數據讀寫79

4.3.1文件數據讀寫79

4.*.*讀寫HBase 數據82

4.4綜合實例86

4.4.1求TOP 值86

4.4.2文件排序89

4.4.3二次排序91

4.5本章小結94

4.6習題95

實驗3RDD 編程初級實踐95

第5章 Spark SQL98

5.1Spark SQL 簡介99

5.1.1從Shark 說起99

5.1.2Spark SQL 架構100

5.1.3為什麼推出Spark SQL101

5.2DataFrame 概述101

5.3DataFrame 的創建102

5.4DataFrame 的保存103

5.5DataFrame 的常用操作104

5.6從RDD 轉換得到DataFrame105

5.6.1利用反射機制推斷RDD 模式106

5.6.2使用編程方式定義RDD 模式107

5.7使用Spark SQL 讀寫數據庫108

5.7.1準備工作109

5.7.2讀取MySQL 數據庫中的數據109

5.7.3向MySQL 數據庫寫入數據110

5.8本章小結111

5.9習題112

實驗4Spark SQL 編程初級實踐112

第6章 Spark Streaming115

6.1流計*概述116

6.1.1靜態數據和流數據116

6.1.2批量計*和實時計*117

6.1.3流計*概念117

6.1.4流計*框架118

6.1.5流計*處理流程119

6.2Spark Streaming121

6.2.1Spark Streaming 設計121

6.2.2Spark Streaming 與Storm 的對比122

6.2.3從“Hadoop Storm”架構轉向Spark 架構122

6.3DStream 操作概述123

6.3.1Spark Streaming 工作機制123

6.*.*編寫Spark Streaming 程序的基本步驟124

6.3.3創建StreamingContext 對像124

6.4基本輸入源125

6.4.1文件流125

6.4.2套接字流127

6.4.3RDD 隊列流131

6.5高級數據源133

6.5.1Kafka 簡介133

6.5.2Kafka 準備工作133

6.5.3Spark 準備工作135

6.5.4編寫Spark Streaming 程序使用Kafka 數據源136

6.6轉換操作137

6.6.1DStream 無狀態轉換操作137

6.6.2DStream 有狀態轉換操作138

6.7輸出操作143

6.7.1把DStream 輸出到文本文件中143

6.7.2把DStream 寫入到關繫數據庫中145

6.8本章小結147

6.9習題147

實驗5Spark Streaming 編程初級實踐147

第7章 Structured Streaming150

7.1概述151

7.1.1基本概念151

7.1.2兩種處理模型152

7.1.3Structured Streaming 和Spark SQL、Spark Streaming 的關繫154

7.2編寫Structured Streaming程序的基本步驟154

7.2.1實現步驟154

7.2.2測試運行156

7.3輸入源158

7.3.1File 源158

7.*.*Kafka 源163

7.3.3Socket 源167

7.3.4Rate 源167

7.4輸出操作169

7.4.1啟動流計*169

7.4.2輸出模式170

7.4.3輸出接收器170

7.5容錯處理173

7.5.1從檢查點恢復故障173

7.5.2故障恢復中的限制173

7.6遲到數據處理174

7.6.1事件時間174

7.6.2遲到數據175

7.6.3水印176

7.6.4多水印規則177

7.6.5處理遲到數據的實例178

7.7查詢的管理和監控181

7.7.1管理和監控的方法181

7.7.2一*監控的實例182

7.8本章小結184

7.9習題185

實驗6Structured Streaming編程實踐185

第8章Spark MLlib187

8.1基於大數據的機器學習188

8.2機器學習庫MLlib 概述189

8.3基本數據類型190

8.3.1本地向量190

8.*.*標注點191

8.3.3本地矩陣192

8.4機器學習流水線193

8.4.1流水線的概念193

8.4.2流水線工作過程193

8.5特征提取、轉換和選擇195

8.5.1特征提取195

8.5.2特征轉換199

8.5.3特征選擇204

8.5.4局部敏感哈希205

8.6分類*法205

8.6.1邏輯斯蒂回歸分類器206

8.6.2決策樹分類器212

8.7聚類*法217

8.7.1K-Means 聚類*法218

8.7.2GMM 聚類*法220

8.8協同過濾*法223

8.8.1推薦*法的原理223

8.8.2ALS *法224

8.9模型選擇和超參數調整228

8.9.1模型選擇工具229

8.9.2用交叉驗證選擇模型229

8.10本章小結232

8.11習題233

實驗7Spark 機器學習庫MLlib編程實踐233

參考文獻235

網友評論我們期待著您對此商品發表評論

相關商品

商品搜索

商品分类

【醫學】

【各大出版社】