我们从这本书开始介绍Apache Spark及其丰富的API。了解第1部分中的信息对于编写高质量的Spark程序非常重要，并且是本书其余部分的良好基础。
第1章大致描述了Spark的主要特性，并将它们与Hadoop的MapReduce和Hadoop生态系统中的其他工具进行了比较。它还包括我们为您准备的spark-in-action虚拟机的说明，您可以使用它来运行书中的示例。
第2章进一步探讨VM，教你如何使用Spark的命令行界面（spark-shell），并使用几个例子来解释弹性分布式数据集（RDDs） - Spark中的中心抽象。
在第3章中，您将学习如何将Eclipse设置为编写独立的Spark应用程序。然后你将编写一个这样的应用程序来分析GitHub日志并通过将它提交到Spark集群来执行应用程序。
第4章更详细地探讨了Spark核心API。具体来说，它展示了如何使用键值对，并解释了Spark中数据分区和混排的工作原理。它还教你如何分组，排序和连接数据，以及如何使用累加器和广播变量。
↧