《Spark：大数据集群计算的生产实践》是由电子工业出版社出版的一本关于Spark方面的书籍，作者是Ilya、Ganelin（伊利亚·甘列林，主要介绍了关于Spark、大数据、生产实践方面的知识内容，目前在Spark类书籍综合评分为：7.1分。
书籍介绍
这书对于spark从认证性自然环境迁移到实际上生产环境时候碰到的各种各样难题得出了实际上的协助，包含了开发设计及维护保养生产级Spark运用的各种各样方式 、组件与有用实践活动。本书分成6章，第1 ~ 2章协助用户深层次了解Spark的內部体制及其他们在生产工艺流程中的含意；第3章和第5章论述了对于配备主要参数的规律和衡量计划方案，用于调优Spark，改进性能，得到高可用性和容错性；第4章专业探讨Spark运用中的安全隐患；第6章则全方位详细介绍生产流，及其把一个运用迁移到一个生产工作流引擎里时所必须的各种各样组件，另外对Spark生态体系开展了整理。
目录
- 第1章 成功运行Spark job 1
- 安装所需组件 2
- -- 原生安装Spark Standalone集群 3
- 分布式计算的发展史 3
- -- 步入云时代 5
- -- 理解资源管理 6
- 使用各种类型的存储格式 9
- -- 文本文件 11
- -- Sequence文件 13
- -- Avro文件 13
- -- Parquet文件 13
- 监控和度量的意义 14
- -- Spark UI 14
- -- Spark Standalone UI 17
- -- Metrics REST API 17
- -- Metrics System 18
- -- 外部监控工具 18
- 总结 19
- 第2章 集群管理 21
- 背景知识 23
- Spark组件 26
- -- Driver 27
- -- workers与executors 28
- -- 配置 30
- Spark Standalone 33
- -- 架构 34
- -- 单节点设置场景 34
- -- 多节点设置 36
- YARN 36
- -- 架构 38
- -- 动态资源分配 41
- -- 场景 43
- Mesos 45
- -- 安装 46
- -- 架构 47
- -- 动态资源分配 49
- -- 基本安装场景 50
- 比较 52
- 总结 56
- 第3章 性能调优 59
- Spark 执行模型 60
- 分区 62
- -- 控制并行度 62
- -- 分区器 64
- shuffle数据 65
- -- shuffle与数据分区 67
- -- 算子与shuffle 70
- -- shuffle并不总是坏事 75
- 序列化 75
- -- Kryo注册器 77
- Spark缓存 77
- -- SparkSQL 缓存 81
- 内存管理 82
- -- 垃圾回收 83
- 共享变量 84
- -- 广播变量 85
- -- 累加器 87
- 数据局部性 90
- 总结 91
- 第4章 安全 93
- 架构 94
- -- Security Manager 94
- -- 设定配置 95
- ACL 97
- -- 配置 97
- -- 提交job 98
- -- Web UI 99
- 网络安全 107
- 加密 108
- 事件日志 113
- Kerberos 114
- Apache Sentry 114
- 总结 115
- 第5章 容错或job执行 117
- Spark job的生命周期 118
- -- Spark master 119
- -- Spark driver 122
- -- Spark worker 124
- -- job生命周期 124
- job调度 125
- -- 应用程序内部调度 125
- -- 用外部工具进行调度 133
- 容错 135
- -- 内部容错与外部容错 136
- -- SLA 137
- -- RDD 138
- -- Batch vs Streaming 145
- -- 测试策略 148
- -- 推荐配置 155
- 总结 158
- 第6章 超越Spark 159
- 数据仓库 159
- -- SparkSQL CLI 161
- -- Thrift JDBC/ODBC服务器 162
- -- Hive on Spark 162
- 机器学习 164
- -- DataFrame 165
- -- MLlib和ML 167
- -- Mahout on Spark 174
- -- Hivemall On Spark 175
- 外部的框架 176
- -- Spark Package 177
- -- XGBoost 179
- -- spark-jobserver 179
- 未来的工作 182
- -- 与参数服务器集成 184
- -- 深度学习 192
- Spark在企业中的应用 200
- -- 用Spark及Kafka收集用户活动日志 200
- -- 用Spark做实时推荐 202
- -- Twitter Bots的实时分类 204
- 总结 205
