作者介绍

Bill Chambers是Databricks的一名产品经理，致力于使用Spark和Databricks帮助客户完成大规模数据分析的任务。Bill还定期写关于数据科学和大数据方面的博客, 并常在各种会议和见面会上展示产品。他拥有加州大学伯克利分校信息学院的信息系统硕士学位, 研究方向为数据科学。

Matei Zaharia是斯坦福大学计算机科学系助理教授和Databricks的首席技术官。他于2009年在加州大学伯克利分校创立了Spark项目, 那时他是一名博士生, 并继续担任Apache Spark项目的副主席。Matei Zaharia还是Apache Mesos项目的联合创始人，也是Apache Hadoop项目的贡献者。Matei Zaharia以他出色的研究工作获得了2014年美国计算机学会博士论文奖和VMware系统研究奖。

译者介绍

张岩峰，东北大学教授，在国内外从事大数据分布式处理研究工作10余年，中国计算机学会数据库专委会委员，大数据专委会通讯委员，研究设计了iMapReduce、Maiter等大数据迭代计算分布式框架，承担和参与国家自然科学基金、国家重点研发计划等多项课题，在SIGMOD、VLDB、ICDE、PPoPP、TPDS、TKDE等顶D级国际会议和期刊上发表论文10余篇，曾获云计算国际会议ACM SOCC 2011优秀论文奖及多项国内外奖励和荣誉。

主要内容

·大数据技术和Spark概述。

·通过实例学习DataFrame、SQL、Dataset等Spark的核心API。

·了解Spark的低级API实现，包括RDD以及SQL和DataFrame的执行过程。

·了解Spark如何在集群上运行。

·Spark集群和应用程序的调试、监控、和调优。

·学习Spark强大的流处理引擎——结构化流处理。

·学习MLlib并了解如何应用它解决包括分类、推荐，以及其他多种实际问题。

“这本书是所有Spark开发人员的必读书籍，介绍了许多别处无法学到的使用技巧。”

——Ion Stoica

美国加州大学伯克利分校

RISE实验室主任