☆☆☆☆☆

王傢林，段智華，夏陽 著

圖書標籤:

• Spark
• 大數據
• 商業案例
• 性能調優
• 數據分析
• 數據挖掘
• 技術
• 實戰
• 內核
• 三部麯

店铺： 兰兴达图书专营店

出版社： 清华大学出版社

ISBN：9787302489627

商品编码：25725216494

包装：平装-胶订

出版时间：2018-02-01

基本信息

書名：Spark大數據商業實戰三部麯：內核解密|商業案例|性能調優

：299.00元

作者：王傢林、段智華、夏陽

齣版社：清華大學齣版社

齣版日期：2018-02-01

ISBN：9787302489627

字數：

頁碼：

版次：1

裝幀：平裝-膠訂

開本：16開

商品重量：0.4kg

編輯推薦

---

基於*的Spark2.2.X版本，分為內核解密篇，商業案例篇，性能調優篇，共31章，學習過程中有任何疑問，可加入群，有專業人員答疑解惑。

內容提要

---

《Spark大數據商業實戰三部麯：內核解密|商業案例|性能調優》基於Spark 2.2.X，以Spark商業案例實戰和Spark在生産環境下幾乎所有類型的性能調優為核心，以Spark內核解密為基石，分為上篇、中篇、下篇，對企業生産環境下的Spark商業案例與性能調優抽絲剝繭地進行剖析。上篇基於Spark源碼，從一個動手實戰案例入手，循序漸進地全麵解析瞭Spark 2.2新特性及Spark內核源碼；中篇選取Spark開發中*有代錶的經典學習案例，深入淺齣地介紹，在案例中綜閤應用Spark的大數據技術；下篇性能調優內容基本完全覆蓋瞭Spark在生産環境下的所有調優技術。

目錄

---

目 錄

上篇 內核解密

第1章 電光石火間體驗Spark 2.2開發實戰... 2

1.1 通過RDD實戰電影點評係統入門及源碼閱讀... 2

1.1.1 Spark核心概念圖解... 2

1.1.2 通過RDD實戰電影點評係統案例... 4

1.2 通過DataFrame和DataSet實戰電影點評係統... 7

1.2.1 通過DataFrame實戰電影點評係統案例... 7

1.2.2 通過DataSet實戰電影點評係統案例... 10

1.3 Spark 2.2源碼閱讀環境搭建及源碼閱讀體驗... 11

第2章 Spark2.2技術及原理... 14

2.1 Spark 2.2綜述... 14

2.1.1 連續應用程序... 14

2.1.2 新的API 15

2.2 Spark 2.2 Core. 16

2.2.1 第二代Tungsten引擎... 16

2.2.2 SparkSession. 16

2.2.3 纍加器API 17

2.3 Spark 2.2 SQL. 19

2.3.1 Spark SQL. 20

2.3.2 DataFrame和DatasetAPI 20

2.3.3 Timed Window.. 21

2.4 Spark 2.2 Streaming. 21

2.4.1 StructuredStreaming. 21

2.4.2 增量輸齣模式... 23

2.5 Spark 2.2 MLlib. 27

2.5.1 基於DataFrame的MachineLearning API 28

2.5.2 R的分布式算法... 28

2.6 Spark 2.2 GraphX.. 29

第3章 Spark的靈魂：RDD和DataSet 30

3.1 為什麼說RDD和DataSet是Spark的靈魂... 30

3.1.1 RDD的定義及五大特性剖析... 30

3.1.2 DataSet的定義及內部機製剖析... 34

3.2 RDD彈性特性七個方麵解析... 36

3.3 RDD依賴關係... 43

3.3.1 窄依賴解析... 43

3.3.2 寬依賴解析... 45

3.4 解析Spark中的DAG邏輯視圖... 46

3.4.1 DAG生成的機製... 46

3.4.2 DAG邏輯視圖解析... 47

3.5 RDD內部的計算機製... 49

3.5.1 Task解析... 49

3.5.2 計算過程深度解析... 49

3.6 Spark RDD容錯原理及其四大核心要點解析... 57

3.6.1 Spark RDD容錯原理... 57

3.6.2 RDD容錯的四大核心要點... 57

3.7 Spark RDD中Runtime流程解析... 59

3.7.1 Runtime架構圖... 59

3.7.2 生命周期... 60

3.8 通過WordCount實戰解析Spark RDD內部機製... 70

3.8.1 Spark WordCount動手實踐... 70

3.8.2 解析RDD生成的內部機製... 72

3.9 基於DataSet的代碼到底是如何一步步轉化成為RDD的... 78

第4章 SparkDriver啓動內幕剖析... 81

4.1 Spark Driver Program剖析... 81

4.1.1 Spark DriverProgram.. 81

4.1.2 SparkContext深度剖析... 81

4.1.3 SparkContext源碼解析... 82

4.2 DAGScheduler解析... 96

4.2.1 DAG的定義... 96

4.2.2 DAG的實例化... 97

4.2.3 DAGScheduler劃分Stage的原理... 98

4.2.4 DAGScheduler劃分Stage的具體算法... 99

4.2.5 Stage內部Task獲取佳位置的算法... 113

4.3 TaskScheduler解析... 116

4.3.1 TaskScheduler原理剖析... 116

4.3.2 TaskScheduler源碼解析... 117

4.4 SchedulerBackend解析... 132

4.4.1 SchedulerBackend原理剖析... 132

4.4.2 SchedulerBackend源碼解析... 132

4.4.3 Spark程序的注冊機製... 133

4.4.4 Spark程序對計算資源Executor的管理... 134

4.5 打通Spark係統運行內幕機製循環流程... 135

4.6 本章總結... 145

第5章 Spark集群啓動原理和源碼詳解... 146

5.1 Master啓動原理和源碼詳解... 146

5.1.1 Master啓動的原理詳解... 146

5.1.2 Master啓動的源碼詳解... 147

5.1.3 Master HA雙機切換... 157

5.1.4 Master的注冊機製和狀態管理解密... 163

5.2 Worker啓動原理和源碼詳解... 170

5.2.1 Worker啓動的原理流程... 170

5.2.2 Worker啓動的源碼詳解... 174

5.3 ExecutorBackend啓動原理和源碼詳解... 178

5.3.1 ExecutorBackend接口與Executor的關係... 178

5.3.2 ExecutorBackend的不同實現... 179

5.3.3 ExecutorBackend中的通信... 181

5.3.4 ExecutorBackend的異常處理... 183

5.4 Executor中任務的執行... 184

5.4.1 Executor中任務的加載... 184

5.4.2 Executor中的任務綫程池... 185

5.4.3 任務執行失敗處理... 186

5.4.4 揭秘TaskRunner 188

5.5 Executor執行結果的處理方式... 189

5.6 本章總結... 197

第6章 SparkApplication提交給集群的原理和源碼詳解... 198

6.1 Spark Application到底是如何提交給集群的... 198

6.1.1 A pplication提交參數配置詳解... 198

6.1.2 A pplication提交給集群原理詳解... 199

6.1.3 A pplication提交給集群源碼詳解... 201

6.2 Spark Application是如何嚮集群申請資源的... 211

6.2.1 A pplication申請資源的兩種類型詳解... 211

6.2.2 A pplication申請資源的源碼詳解... 213

6.3 從Application提交的角度重新審視Driver 219

6.3.1 Driver到底是什麼時候産生的... 220

6.3.2 Driver和Master交互原理解析... 238

6.3.3 Driver和Master交互源碼詳解... 244

6.4 從Application提交的角度重新審視Executor 249

6.4.1 Executor到底是什麼時候啓動的... 249

6.4.2 Executor如何把結果交給Application. 254

6.5 Spark 1.6 RPC內幕解密：運行機製、源碼詳解、Netty與Akka等... 254

6.6 本章總結... 267

第7章Shuffle原理和源碼詳解... 268

7.1 概述... 268

7.2 Shuffle的框架... 269

7.2.1 Shuffle的框架演進... 269

7.2.2 Shuffle的框架內核... 270

7.2.3 Shuffle框架的源碼解析... 272

7.2.4 Shuffle數據讀寫的源碼解析... 275

7.3 Hash Based Shuffle. 281

7.3.1 概述... 281

7.3.2 Hash Based Shuffle內核... 282

7.3.3 Hash Based Shuffle數據讀寫的源碼解析... 285

7.4 Sorted Based Shuffle. 290

7.4.1 概述... 292

7.4.2 Sorted BasedShuffle內核... 293

7.4.3 Sorted BasedShuffle數據讀寫的源碼解析... 294

7.5 Tungsten Sorted Based Shuffle. 302

7.5.1 概述... 302

7.5.2 Tungsten SortedBased Shuffle內核... 302

7.5.3 Tungsten SortedBased Shuffle數據讀寫的源碼解析... 303

7.6 Shuffle與Storage 模塊間的交互... 309

7.6.1 Shuffle注冊的交互... 310

7.6.2 Shuffle寫數據的交互... 314

7.6.3 Shuffle讀數據的交互... 315

7.6.4 BlockManager架構原理、運行流程圖和源碼解密... 315

7.6.5 BlockManager解密進階：BlockManager初始化和注冊解密、BlockManager- Master工作解密、BlockTransferService解密、本地數據讀寫解密、遠程數據讀寫解密... 324

7.7 本章總結... 341

第8章 Job工作原理和源碼詳解... 342

8.1 Job到底在什麼時候産生... 342

8.1.1 觸發Job的原理和源碼解析... 342

8.1.2 觸發Job的算子案例... 344

8.2 Stage劃分內幕... 345

8.2.1 Stage劃分原理詳解... 345

8.2.2 Stage劃分源碼詳解... 346

8.3 Task全生命周期詳解... 346

8.3.1 Task的生命過程詳解... 347

8.3.2 Task在Driver和Executor中交互的全生命周期原理和源碼詳解... 348

8.4 ShuffleMapTask和ResultTask處理結果是如何被Driver管理的... 364

8.4.1 ShuffleMapTask執行結果和Driver的交互原理及源碼詳解... 364

8.4.2 ResultTask執行結果與Driver的交互原理及源碼詳解... 370

第9章 Spark中Cache和checkpoint原理和源碼詳解... 372

9.1 Spark中Cache原理和源碼詳解... 372

9.1.1 Spark中Cache原理詳解... 372

9.1.2 Spark中Cache源碼詳解... 372

9.2 Spark中checkpoint原理和源碼詳解... 381

9.2.1 Spark中checkpoint原理詳解... 381

9.2.2 Spark中checkpoint源碼詳解... 381

第10章 Spark中Broadcast和Accumulator原理和源碼詳解... 391

10.1 Spark中Broadcast原理和源碼詳解... 391

10.1.1 Spark中Broadcast原理詳解... 391

10.1.2 Spark中Broadcast源碼詳解... 393

10.2Spark中Accumulator原理和源碼詳解... 396

10.2.1 Spark中Accumulator原理詳解... 396

10.2.2 Spark中Accumulator源碼詳解... 396

第11章 Spark與大數據其他經典組件整閤原理與實戰... 399

11.1Spark組件綜閤應用... 399

11.2 Spark與Alluxio整閤原理與實戰... 400

11.2.1 Spark與Alluxio整閤原理... 400

11.2.2 Spark與Alluxio整閤實戰... 401

11.3 Spark與Job Server整閤原理與實戰... 403

11.3.1 Spark與JobServer整閤原理... 403

11.3.2 Spark與JobServer整閤實戰... 404

11.4 Spark與Redis整閤原理與實戰... 406

11.4.1 Spark與Redis整閤原理... 406

11.4.2 Spark與Redis整閤實戰... 407

中篇 商業案例

第12章 Spark商業案例之大數據電影點評係統應用案例... 412

12.1 通過RDD實現分析電影的用戶行為信息... 412

12.1.1 搭建IDEA開發環境... 412

12.1.2 大數據電影點評係統中電影數據說明... 425

12.1.3 電影點評係統用戶行為分析統計實戰... 428

12.2 通過RDD實現電影流行度分析... 431

12.3 通過RDD分析各種類型的喜愛電影TopN及性能優化技巧... 433

12.4 通過RDD分析電影點評係統仿和微信等用戶群分析及廣播
背後機製解密... 436

12.5 通過RDD分析電影點評係統實現Java和Scala版本的二次排序係統... 439

12.5.1 二次排序自定義Key值類實現（Java）... 440

12.5.2 電影點評係統二次排序功能實現（Java）... 442

12.5.3 二次排序自定義Key值類實現（Scala）... 445

12.5.4 電影點評係統二次排序功能實現（Scala）... 446

12.6 通過Spark SQL中的SQL語句實現電影點評係統用戶行為分析... 447

12.7 通過Spark SQL下的兩種不同方式實現口碑佳電影分析... 451

12.8 通過Spark SQL下的兩種不同方式實現流行電影分析... 456

12.9 通過DataFrame分析受男性和女性喜愛電影TopN.. 457

12.10 純粹通過DataFrame分析電影點評係統仿和微信、等用戶群... 460

12.11 純粹通過DataSet對電影點評係統進行流行度和不同年齡階段興趣分析等... 462

12.11.1 通過DataSet實現某特定電影觀看者中男性和女性不同年齡的人數... 463

12.11.2 通過DataSet方式計算所有電影中平均得分高
（口碑好）的電影TopN.. 464

12.11.3 通過DataSet方式計算所有電影中粉絲或者觀看人數多（流行電影）的電影TopN 465

12.11.4 純粹通過DataSet的方式實現所有電影中受男性、女性喜愛的
電影0. 466

12.11.5 純粹通過DataSet的方式實現所有電影中或者微信核心目標
用戶喜愛電影TopN分析... 467

12.11.6 純粹通過DataSet的方式實現所有電影中核心目標用戶喜愛電影TopN分析 469

12.12 大數據電影點評係統應用案例涉及的核心知識點原理、源碼及案例代碼... 470

12.12.1 知識點：廣播變量Broadcast內幕機製... 470

12.12.2 知識點：SQL全局臨時視圖及臨時視圖... 473

12.12.3 大數據電影點評係統應用案例完整代碼... 474

12.13 本章總結... 496

作者介紹

---

文摘

---

序言

---

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆