日韩在线区,亚洲综合色成在线播放,a在线观看

數(shù)據(jù)交易導航網(wǎng)是一個數(shù)據(jù)要素市場相關的數(shù)據(jù)交易、數(shù)據(jù)管理、數(shù)據(jù)服務等數(shù)商企業(yè)商業(yè)生態(tài)導航平臺。

數(shù)據(jù)產品

——? PRODUCTS CENTER? ——



當前位置：首頁 > 學習中心 > 大數(shù)據(jù)圖書 > 《大數(shù)據(jù)處理框架Apache Spark設計與實現(xiàn)》

學習中心

《大數(shù)據(jù)處理框架Apache Spark設計與實現(xiàn)》

更新時間：2023/04/01

內容簡介

近年來，以Apache Spark為代表的大數(shù)據(jù)處理框架在學術界和工業(yè)界得到了廣泛的使用。本書以Apache Spark框架為核心，總結了大數(shù)據(jù)處理框架的基礎知識、核心理論、典型的Spark應用，以及相關的性能和可靠性問題。本書分9章，主要包含四部分內容。*部分大數(shù)據(jù)處理框架的基礎知識（第1～2章）：介紹大數(shù)據(jù)處理框架的基本概念、系統(tǒng)架構、編程模型、相關的研究工作，并以一個典型的Spark應用為例概述Spark應用的執(zhí)行流程。第二部分 Spark大數(shù)據(jù)處理框架的核心理論（第3～4章）：介紹Spark框架將應用程序轉化為邏輯處理流程，進而轉化為可并行執(zhí)行的物理執(zhí)行計劃的一般過程及方法。第三部分典型的Spark應用（第5章）：介紹迭代型的Spark機器學習應用和圖計算應用。第四部分大數(shù)據(jù)處理框架性能和可靠性保障機制（第6～9章）：介紹Spark框架的Shuffle機制、數(shù)據(jù)緩存機制、錯誤容忍機制、內存管理機制等。

作者簡介

許利杰現(xiàn)任中國科學院軟件研究所副研究員、碩士生導師，于中科院軟件所獲得博士學位。當前主要從事大數(shù)據(jù)系統(tǒng)方面的研究工作，已在國際權威會議如VLDB、ICDCS、IPDPS、ISSRE、ICAC等發(fā)表論文10余篇，主持多項國家自然科學基金，以及華為、、聯(lián)想等企業(yè)的合作研發(fā)項目。曾為Apache Spark和Hadoop修復多個內核代碼嚴重錯誤，編寫的SparkInternals技術文檔被社區(qū)廣泛關注，獲得四千多顆星。博士期間曾在微軟亞洲研究院、阿里巴巴、騰訊擔任客座研究學生。目前還擔任中國計算機學會系統(tǒng)軟件專委會委員、中國科學院青年創(chuàng)新促進會會員。方亞芬現(xiàn)任中國科學院軟件研究所工程師，于南開大學獲得學士學位、中科院軟件所獲得碩士學位。當前主要從事大數(shù)據(jù)系統(tǒng)、操作系統(tǒng)方面的研發(fā)工作，參與多項國家自然科學基金、國家重點研發(fā)計劃，以及華為、騰訊、中國郵政等企業(yè)的合作研發(fā)項目。曾在阿里巴巴等擔任客座研究學生，目前是華為openEuler社區(qū)樹莓派項目負責人。

目　　錄

第 1 章大數(shù)據(jù)處理框架概覽．．．．．．．．．．．．．．．．．．．．．2
1．1 大數(shù)據(jù)及其帶來的挑戰(zhàn) ．．．．．．．．．．．．．．．．．．．．．2
1．2 大數(shù)據(jù)處理框架．．．．．．．．．．．．．．．．．．．．．．．．3
1．3 大數(shù)據(jù)應用及編程模型．．．．．．．．．．．．．．．．．．．．．4
1．4 大數(shù)據(jù)處理框架的四層結構．．．．．．．．．．．．．．．．．．．5
1．4．1 用戶層．．．．．．．．．．．．．．．．．．．．．．．．．． 7
1．4．2 分布式數(shù)據(jù)并行處理層．．．．．．．．．．．．．．．．．．．11
1．4．3 資源管理與任務調度層．．．．．．．．．．．．．．．．．．．13
1．4．4 物理執(zhí)行層．．．．．．．．．．．．．．．．．．．．．．．．15
1．5 錯誤容忍機制．．．．．．．．．．．．．．．．．．．．．．．．．17
1．6 其他大數(shù)據(jù)處理框架．．．．．．．．．．．．．．．．．．．．．．18
1．7 本章小結．．．．．．．．．．．．．．．．．．．．．．．．．．．18
1．8 擴展閱讀．．．．．．．．．．．．．．．．．．．．．．．．．．．18
第 2 章 Spark 系統(tǒng)部署與應用運行的基本流程．．．．．．．．．．．．．20
2．1 Spark 安裝部署．．．．．．．．．．．．．．．．．．．．．．．．20
2．2 Spark 系統(tǒng)架構．．．．．．．．．．．．．．．．．．．．．．．．21
2．3 Spark 應用例子．．．．．．．．．．．．．．．．．．．．．．．．24
2．3．1 用戶代碼基本邏輯．．．．．．．．．．．．．．．．．．．．24
2．3．2 邏輯處理流程．．．．．．．．．．．．．．．．．．．．．．． 28
2．3．3 物理執(zhí)行計劃．．．．．．．．．．．．．．．．．．．．．．． 32
2．3．4 可視化執(zhí)行過程．．．．．．．．．．．．．．．．．．．．．． 34
2．4 Spark 編程模型．．．．．．．．．．．．．．．．．．．．．．．．38
2．5 本章小結．．．．．．．．．．．．．．．．．．．．．．．．．．．39
第 3 章 Spark 邏輯處理流程．．．．．．．．．．．．．．．．．．．41
3．1 Spark 邏輯處理流程概覽．．．．．．．．．．．．．．．．．．．．41
3．2 Spark 邏輯處理流程生成方法．．．．．．．．．．．．．．．．．．43
3．2．1 根據(jù)應用程序如何產生 RDD，產生什么樣的 RDD ．．．．．．．．． 44
3．2．2 如何建立 RDD 之間的數(shù)據(jù)依賴關系．．．．．．．．．．．． 44
3．2．3 如何計算 RDD 中的數(shù)據(jù) ．．．．．．．．．．．．．．．．．． 49
3．3 常用 transformation() 數(shù)據(jù)操作．．．．．．．．．．．．．．．．50
3．4 常用 action() 數(shù)據(jù)操作．．．．．．．．．．．．．．．．．．86
3．5 對比 MapReduce，Spark 的優(yōu)缺點．．．．．．．．．．．．．．．98
3．6 本章小結．．．．．．．．．．．．．．．．．．．．．．．．．99
3．7 擴展閱讀．．．．．．．．．．．．．．．．．．．．．．．．．100
第 4 章 Spark 物理執(zhí)行計劃．．．．．．．．．．．．．．．．．．．101
4．1 Spark 物理執(zhí)行計劃概覽．．．．．．．．．．．．．．．．．．101
4．2 Spark 物理執(zhí)行計劃生成方法．．．．．．．．．．．．．．．．105
4．3 常用數(shù)據(jù)操作生成的物理執(zhí)行計劃．．．．．．．．．．．．．．．113
4．4 本章小結．．．．．．．．．．．．．．．．．．．．．．．．．121
4．5 擴展閱讀．．．．．．．．．．．．．．．．．．．．．．．．．121
第 5 章迭代型 Spark 應用．．．．．．．．．．．．．．．．．．．123
5．1 迭代型 Spark 應用的分類及特點．．．．．．．．．．．．．．．123
5．2 迭代型機器學習應用 SparkLR ．．．．．．．．．．．．．．．．124
5．2．1 應用描述．．．．．．．．．．．．．．．．．．．．．．．．124
5．2．2 算法原理．．．．．．．．．．．．．．．．．．．．．．． 125
5．2．3 基于 Spark 的并行化實現(xiàn) ．．．．．．．．．．．．．．．． 129
5．2．4 深入討論．．．．．．．．．．．．．．．．．．．．．．． 131
5．3 迭代型機器學習應用――廣義線性模型．．．．．．．．．．．．132
5．3．1 算法原理．．．．．．．．．．．．．．．．．．．．．．． 132
5．3．2 基于 Spark 的并行化實現(xiàn) ．．．．．．．．．．．．．．．． 136
5．3．3 深入討論．．．．．．．．．．．．．．．．．．．．．．． 139
5．4 迭代型圖計算應用――PageRank ．．．．．．．．．．．．．．．140
5．4．1 應用描述．．．．．．．．．．．．．．．．．．．．．．． 140
5．4．2 基于 Spark 的并行化實現(xiàn) ．．．．．．．．．．．．．．．． 143
5．4．3 深入討論．．．．．．．．．．．．．．．．．．．．．．． 149
5．5 本章小結．．．．．．．．．．．．．．．．．．．．．．．．．151
第 6 章 Shuffle 機制．．．．．．．．．．．．．．．．．．．．．．153
6．1 Shuffle 的意義及設計挑戰(zhàn) ．．．．．．．．．．．．．．．．．153
6．2 Shuffle 的設計思想．．．．．．．．．．．．．．．．．．．．155
6．2．1 解決數(shù)據(jù)分區(qū)和數(shù)據(jù)聚合問題．．．．．．．．．．．．．．．156
6．2．2 解決 map() 端 combine問題．．．．．．．．．．．．．．． 158
6．2．3 解決 sort 問題．．．．．．．．．．．．．．．．．．．．． 158
6．2．4 解決內存不足問題．．．．．．．．．．．．．．．．．．．． 159
6．3 Spark 中 Shuffle 框架的設計．．．．．．．．．．．．．．．160
6．3．1 Shuffle Write 框架設計和實現(xiàn) ．．．．．．．．．．．．．．． 161
6．3．2 Shuffle Read 框架設計和實現(xiàn) ．．．．．．．．．．．．． 166
6．4 支持高效聚合和排序的數(shù)據(jù) 結構．．．．．．．．．．．．．．170
6．4．1 AppendOnlyMap 的原理．．．．．．．．．．．．．．．．． 171
6．4．2 ExternalAppendOnlyMap ．．．．．．．．．．．．．．．．173
6．4．3 PartitionedAppendOnlyMap ．．．．．．．．．．．．．． 176
6．4．4 PartitionedPairBuffer ．．．．．．．．．．．．．．．． 176
6．5 與 Hadoop MapReduce 的 Shuffle 機制對比．．．．．．．．．177
6．6 本章小結．．．．．．．．．．．．．．．．．．．．．．．．179
第 7 章數(shù)據(jù)緩存機制．．．．．．．．．．．．．．．．．．．．．．180
7．1 數(shù)據(jù)緩存的意義．．．．．．．．．．．．．．．．．．．．．．180
7．2 數(shù)據(jù)緩存機制的設計原理．．．．．．．．．．．．．．．．．．181
7．2．1 決定哪些數(shù)據(jù)需要被緩存．．．．．．．．．．．．．．．．181
7．2．2 包含數(shù)據(jù)緩存操作的邏輯處理流程和物理執(zhí)行計劃．．．．． 184
7．2．3 緩存級別．．．．．．．．．．．．．．．．．．．．．．． 186
7．2．4 緩存數(shù)據(jù)的寫入方法．．．．．．．．．．．．．．．．．．189
7．2．5 緩存數(shù)據(jù)的讀取方法．．．．．．．．．．．．．．．．．． 191
7．2．6 用戶接口的設計．．．．．．．．．．．．．．．．．．．． 192
7．2．7 緩存數(shù)據(jù)的替換與回收方法．．．．．．．．．．．．．．．．．193
7．3 與 Hadoop MapReduce 的緩存機制進行對比．．．．．．．．．．．．197
7．4 本章小結．．．．．．．．．．．．．．．．．．．．．．．．．．198
第 8 章錯誤容忍機制．．．．．．．．．．．．．．．．．．．．．．199
8．1 錯誤容忍機制的意義及挑戰(zhàn) ．．．．．．．．．．．．．．．．．．199
8．2 錯誤容忍機制的設計思想．．．．．．．．．．．．．．．．．．．201
8．3 重新計算機制．．．．．．．．．．．．．．．．．．．．．．．．201
8．3．1 重新計算是否能夠得到與之前一樣的結果．．．．．．．．．． 202
8．3．2 從哪里開始重新計算．．．．．．．．．．．．．．．．．．．204
8．3．3 重新計算機制小結．．．．．．．．．．．．．．．．．．．．207
8．4 checkpoint 機制的設計與實現(xiàn) ．．．．．．．．．．．．．．．．207
8．4．1 哪些數(shù)據(jù)需要使用 checkpoint機制．．．．．．．．．．．． 207
8．4．2 checkpoint 數(shù)據(jù)的寫入及接口．．．．．．．．．．．．．．．210
8．4．3 checkpoint 時機及計算順序．．．．．．．．．．．．．．．．212
8．4．4 checkpoint 數(shù)據(jù)的讀取．．．．．．．．．．．．．．．．．213
8．4．5 checkpoint 數(shù)據(jù)寫入和讀取的實現(xiàn)細節(jié) ．．．．．．．．．． 213
8．4．6 checkpoint 語句位置的影響．．．．．．．．．．．．．．216
8．4．7 cache checkpoint ．．．．．．．．．．．．．．．．．． 220
8．5 checkpoint 與數(shù)據(jù)緩存的區(qū)別．．．．．．．．．．．．．．．225
8．6 本章小結．．．．．．．．．．．．．．．．．．．．．．．．．226
第 9 章內存管理機制．．．．．．．．．．．．．．．．．．．．．．227
9．1 內存管理機制問題及挑戰(zhàn) ．．．．．．．．．．．．．．．．．227
9．2 應用內存消耗來源及影響因素．．．．．．．．．．．．．．228
9．2．1 內存消耗來源 1：用戶代碼．．．．．．．．．．．．．． 229
9．2．2 內存消耗來源 2：Shuffle 機制中產生的中間數(shù)據(jù) ．．．．．．230
9．2．3 內存消耗來源 3：緩存數(shù)據(jù) ．．．．．．．．．．．．．． 231
9．3 Spark 框架內存管理模型．．．．．．．．．．．．．．．．．．232
9．3．1 靜態(tài)內存管理模型．．．．．．．．．．．．．．．．．．．． 233
9．3．2 統(tǒng)一內存管理模型．．．．．．．．．．．．．．．．．．．． 234
9．4 Spark 框架執(zhí)行內存消耗與管理．．．．．．．．．．．．．．．．237
9．4．1 Shuffle Write 階段內存消耗及管理．．．．．．．．．．．． 239
9．4．2 Shuffle Read 階段內存消耗及管理．．．．．．．．．．．．． 245
9．5 數(shù)據(jù)緩存空間管理．．．．．．．．．．．．．．．．．．．．．．．249
9．5．1 RDD 緩存數(shù)據(jù) ．．．．．．．．．．．．．．．．．．．．．．． 250
9．5．2 廣播數(shù)據(jù) ．．．．．．．．．．．．．．．．．．．．．．．．． 253
9．5．3 task 的計算結果．．．．．．．．．．．．．．．．．．．．． 254
9．6 本章小結．．．．．．．．．．．．．．．．．．．．．．．．．．256
參考文獻．．．．．．．．．．．．．．．．．．．．．．．．．．．．258