前　言
第1章　Spark简介  1
1.1　Spark是什么  1
1.2　Spark生态系统BDAS  4
1.3　Spark架构  6
1.4　Spark分布式架构与单机多核
架构的异同  9
1.5　Spark的企业级应用  10
1.5.1　Spark在Amazon中的应用  11
1.5.2　Spark在Yahoo!的应用  15
1.5.3　Spark在西班牙电信的应用  17
1.5.4　Spark在淘宝的应用  18
1.6　本章小结  20
第2章　Spark集群的安装与部署  21
2.1　Spark的安装与部署  21
2.1.1　在Linux集群上安装与配置Spark  21
2.1.2　在Windows上安装与配置Spark  30
2.2　Spark集群初试  33
2.3　本章小结  35
第3章　Spark计算模型  36
3.1　Spark程序模型  36
3.2　弹性分布式数据集  37
3.2.1　RDD简介  38
3.2.2　RDD与分布式共享内存的异同  38
3.2.3　Spark的数据存储  39
3.3　Spark算子分类及功能  41
3.3.1　Value型Transformation算子  42
3.3.2　Key-Value型Transformation算子  49
3.3.3　Actions算子  53
3.4　本章小结  59
第4章　Spark工作机制详解  60
4.1　Spark应用执行机制  60
4.1.1　Spark执行机制总览  60
4.1.2　Spark应用的概念  62
4.1.3　应用提交与执行方式  63
4.2　Spark调度与任务分配模块  65
4.2.1　Spark应用程序之间的调度  66
4.2.2　Spark应用程序内Job的调度  67
4.2.3　Stage和TaskSetManager调度方式  72
4.2.4　Task调度  74
4.3　Spark I/O机制  77
4.3.1　序列化  77
4.3.2　压缩  78
4.3.3　Spark块管理  80
4.4　Spark通信模块  93
4.4.1　通信框架AKKA  94
4.4.2　Client、Master和Worker间的通信  95
4.5　容错机制  104
4.5.1　Lineage机制  104
4.5.2　Checkpoint机制  108
4.6　Shuffle机制  110
4.7　本章小结  119
第5章　Spark开发环境配置及流程  120
5.1　Spark应用开发环境配置  120
5.1.1　使用Intellij开发Spark程序  120
5.1.2　使用Eclipse开发Spark程序  125
5.1.3　使用SBT构建Spark程序  129
5.1.4　使用Spark Shell开发运行Spark程序  130
5.2　远程调试Spark程序  130
5.3　Spark编译  132
5.4　配置Spark源码阅读环境  135
5.5　本章小结  135
第6章　Spark编程实战  136
6.1　WordCount  136
6.2　Top K  138
6.3　中位数  140
6.4　倒排索引  141
6.5　CountOnce  143
6.6　倾斜连接  144
6.7　股票趋势预测  146
6.8　本章小结  153
第7章　Benchmark使用详解  154
7.1　Benchmark简介  154
7.1.1　Intel Hibench与Berkeley BigDataBench  155
7.1.2　Hadoop GridMix  157
7.1.3　Bigbench、BigDataBenchmark与TPC-DS  158
7.1.4　其他Benchmark  161
7.2　Benchmark的组成  162
7.2.1　数据集  162
7.2.2　工作负载  163
7.2.3　度量指标  167
7.3　Benchmark的使用  168
7.3.1　使用Hibench  168
7.3.2　使用TPC-DS  170
7.3.3　使用BigDataBench  172
7.4　本章小结  176
第8章　BDAS简介  177
8.1　SQL on Spark  177
8.1.1　使用Spark SQL的原因  178
8.1.2　Spark SQL架构分析  179
8.1.3　Shark简介  182
8.1.4　Hive on Spark  184
8.1.5　未来展望  185
8.2　Spark Streaming  185
8.2.1　Spark Streaming简介  186
8.2.2　Spark Streaming架构  188
8.2.3　Spark Streaming原理剖析  189
8.2.4　Spark Streaming调优  198
8.2.5　Spark Streaming 实例  198
8.3　GraphX  205
8.3.1　GraphX简介  205
8.3.2　GraphX的使用  206
8.3.3　GraphX架构  209
8.3.4　运行实例  211
8.4　MLlib  215
8.4.1　MLlib简介  217
8.4.2　MLlib的数据存储  219
8.4.3　数据转换为向量（向量空间模型VSM）  222
8.4.4　MLlib中的聚类和分类  223
8.4.5　算法应用实例  228
8.4.6　利用MLlib进行电影推荐  230
8.5　本章小结  237
第9章　Spark性能调优  238
9.1　配置参数  238
9.2　调优技巧  239
9.2.1　调度与分区优化  240
9.2.2　内存存储优化  243
9.2.3　网络传输优化  249
9.2.4　序列化与压缩  251
9.2.5　其他优化方法  253
9.3　本章小结  255