Spark – The Definitive Guide: Big data processing made simple

Adentrándonos en el Big Data, hoy revisaremos el libro “Spark – The Definitive Guide: Big data processing made simple“.

De los autores Bill Chambers y Matei Zaharia, dos grandes de big data, los cuales han estado involucrados desde sus inicios en proyectos Spark. Además Bill es Product Manager en la compañia de Datos e Inteligencia Artificial Databricks.

Matei, por otro lado, inició el proyecto Spark en UC Berkeley y se desempeña como vicepresidente en la Fundación Apache. Además es uno de los Co-fundadores de Databricks.

Bueno, a lo que vinimos, veamos un resumen del contenido del libro (que en está solamente en Inglés por ahora):

Part I – Gentle Overview of Big Data and Spark

• What is Apache Spark?
• Introduction to Spark
• A tour of Spark’s toolset

Part II – Structured APIs – Dataframes, SQL & Datasets

• Structured API overview
• Basic structured operations
• Working with different types of data
• Aggregations
• Joins
• Data Sources
• Spark SQL
• Datasets

Part III – Low-level APIs

• Resilient distributed datasets(RDDs)
• Advanced RDDs
• Distributed shared variables

Part IV – Production Applications

• How Spark runs on a cluster
• Developing Spark applications
• Deploying Spark
• Monitoring and debugging
• Performance tuning

Part V – Streaming

• Stream processing fundamentals
• Structured streaming basics
• Event-time and stateful processing
• Structured streaming in production

Part VI – Advanced Analytics and Machine Learning

• Advanced analytics and machine learning overview
• Preprocessing and feature engineering
• Classification
• Regression
• Recommendation
• Unsupervised learning
• Graph analytics
• Deep learning

Part VII – Ecosystem

• Language specifics: Python (PySpark) and R (SparkR and sparklyr)
• Ecosystem and community

Algunos detalles del volumen físico:

Detalles del producto

Adquirir este libro en Amazon