01｜Spark：从“大数据的HelloWorld”开始 .md 16.9 KB
01｜Spark：从“大数据的HelloWorld”开始 .pdf 5.1 MB
02-RDD与编程模型：延迟计算是怎么回事？ .md 15.5 KB
02-RDD与编程模型：延迟计算是怎么回事？ .pdf 2.7 MB
03-RDD常用算子（一）：RDD内部的数据转换 .md 19.6 KB
03-RDD常用算子（一）：RDD内部的数据转换 .pdf 3.1 MB
04-进程模型与分布式部署：分布式计算是怎么回事？ .md 15.4 KB
04-进程模型与分布式部署：分布式计算是怎么回事？ .pdf 3.1 MB
05-调度系统：如何把握分布式计算的精髓？ .md 19.8 KB
05-调度系统：如何把握分布式计算的精髓？ .pdf 4.7 MB
06-Shuffle管理：为什么Shuffle是性能瓶颈？ .md 14.9 KB
06-Shuffle管理：为什么Shuffle是性能瓶颈？ .pdf 3.4 MB
07-RDD常用算子（二）：Spark如何实现数据聚合？ .md 16.3 KB
07-RDD常用算子（二）：Spark如何实现数据聚合？ .pdf 4.0 MB
08-内存管理：Spark如何使用内存？ .md 15.6 KB
08-内存管理：Spark如何使用内存？ .pdf 3.3 MB
09-RDD常用算子（三）：数据的准备、重分布与持久化 .md 19.9 KB
09-RDD常用算子（三）：数据的准备、重分布与持久化 .pdf 3.7 MB
10-广播变量&累加器：共享变量是用来做什么的？ .md 15.6 KB
10-广播变量&累加器：共享变量是用来做什么的？ .pdf 2.6 MB
11-存储系统：数据到底都存哪儿了？ .md 12.3 KB
11-存储系统：数据到底都存哪儿了？ .pdf 4.5 MB
12-基础配置详解：哪些参数会影响应用程序稳定性？ .md 17.4 KB
12-基础配置详解：哪些参数会影响应用程序稳定性？ .pdf 2.3 MB
13-SparkSQL：让我们从“小汽车摇号分析”开始 .md 16.3 KB
13-SparkSQL：让我们从“小汽车摇号分析”开始 .pdf 3.7 MB
14-台前幕后：DataFrame与SparkSQL的由来 .md 17.4 KB
14-台前幕后：DataFrame与SparkSQL的由来 .pdf 3.7 MB
15-数据源与数据格式：DataFrame从何而来？ .md 22.3 KB
15-数据源与数据格式：DataFrame从何而来？ .pdf 3.0 MB
16-数据转换：如何在DataFrame之上做数据处理？ .md 23.3 KB
16-数据转换：如何在DataFrame之上做数据处理？ .pdf 3.7 MB
17-数据关联：不同的关联形式与实现机制该怎么选？ .md 19.2 KB
17-数据关联：不同的关联形式与实现机制该怎么选？ .pdf 3.2 MB
18-数据关联优化：都有哪些Join策略，开发者该如何取舍？ .md 13.6 KB
18-数据关联优化：都有哪些Join策略，开发者该如何取舍？ .pdf 3.1 MB
19-配置项详解：哪些参数会影响应用程序执行性能？ .md 15.9 KB
19-配置项详解：哪些参数会影响应用程序执行性能？ .pdf 3.0 MB
20-Hive+Spark强强联合：分布式数仓的不二之选 .md 20.3 KB
20-Hive+Spark强强联合：分布式数仓的不二之选 .pdf 4.4 MB
21｜SparkUI（上）：如何高效地定位性能问题？ .md 15.1 KB
21｜SparkUI（上）：如何高效地定位性能问题？ .pdf 5.7 MB
22｜SparkUI（下）：如何高效地定位性能问题？ .md 15.7 KB
22｜SparkUI（下）：如何高效地定位性能问题？ .pdf 6.4 MB
23-SparkMLlib：从“房价预测”开始 .md 21.8 KB
23-SparkMLlib：从“房价预测”开始 .pdf 4.0 MB
24-特征工程（上）：有哪些常用的特征处理函数？ .md 24.4 KB
24-特征工程（上）：有哪些常用的特征处理函数？ .pdf 3.7 MB
25-特征工程（下）：有哪些常用的特征处理函数？ .md 16.5 KB
25-特征工程（下）：有哪些常用的特征处理函数？ .pdf 4.9 MB
26-模型训练（上）：决策树系列算法详解 .md 14.2 KB
26-模型训练（上）：决策树系列算法详解 .pdf 3.5 MB
27-模型训练（中）：回归、分类和聚类算法详解 .md 15.3 KB
27-模型训练（中）：回归、分类和聚类算法详解 .pdf 2.5 MB
28-模型训练（下）：协同过滤与频繁项集算法详解 .md 15.8 KB
28-模型训练（下）：协同过滤与频繁项集算法详解 .pdf 4.0 MB
29-SparkMLlibPipeline：高效开发机器学习应用 .md 22.1 KB
29-SparkMLlibPipeline：高效开发机器学习应用 .pdf 1.8 MB
30｜StructuredStreaming：从“流动的WordCount”开始 .md 15.1 KB
30｜StructuredStreaming：从“流动的WordCount”开始 .pdf 3.2 MB
31｜新一代流处理框架：Batchmode和Continuousmode哪家强？ .md 13.8 KB
31｜新一代流处理框架：Batchmode和Continuousmode哪家强？ .pdf 3.5 MB
32｜Window操作&Watermark：流处理引擎提供了哪些优秀机制？ .md 17.1 KB
32｜Window操作&Watermark：流处理引擎提供了哪些优秀机制？ .pdf 4.2 MB
33｜流计算中的数据关联：流与流、流与批 .md 20.0 KB
33｜流计算中的数据关联：流与流、流与批 .pdf 2.4 MB
34｜Spark+Kafka：流计算中的“万金油” .md 23.0 KB
34｜Spark+Kafka：流计算中的“万金油” .pdf 3.1 MB
结束语-进入时间裂缝，持续学习 .md 8.1 KB
结束语-进入时间裂缝，持续学习 .pdf 1.7 MB
开篇词-入门Spark，你需要学会“三步走” .md 13.3 KB
开篇词-入门Spark，你需要学会“三步走” .pdf 3.7 MB
期末测试｜来赴一场100分之约！ .md 748 Byte
期末测试｜来赴一场100分之约！ .pdf 420.0 KB
用户故事-小王：保持空杯心态，不做井底之蛙 .md 8.4 KB
用户故事-小王：保持空杯心态，不做井底之蛙 .pdf 11.2 MB