Ebook Herunterladen Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia
Ebook Herunterladen Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia
Monotony of checking out publication precisely is felt by some people, additionally those that are not fond of this activity. However, it will make worse of their problem. Among the manner ins which you could get is by starting analysis. Easy and also easy publication can be the product and source for the newbie. As this book, you could take Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia as the motivating analysis product for both beginner and also analysis lovers. It will understand the chances of loving publications expanding much more.
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia
Ebook Herunterladen Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia
Weitere Erfahrungen und auch das Wissen über Führungs Überprüfung berechtigt Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia Dies ist ein E-Book , das Sie versuchen zu finden, ist es nicht wirklich? Stimmt. Sie haben den besten Standort tatsächlich kommen, dann. Wir geben Sie immer Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia und auch einer der am meisten bevorzugten E-Bücher in der Welt zum Herunterladen und nahm auch Vergnügen beim Lesen. Sie werden vielleicht nicht außer Acht lassen , dass diese Sammlung zu sehen , ein Ziel oder auch durch unbeabsichtigte.
The various other interesting books might be ranges. You could locate them in likewise eye-catching title. However, what make you brought in to choose Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia is that it includes different style as specified. The language comes from be the very easy language usage. Exactly how the writer communicates to the viewers is extremely clear as well as readable. It makes you feel easy to recognize exactly when the author talks about.
In order to provide the fantastic sources and also simple method to provide the news and information, it concerns you by obtaining the factors to consider that supply thoughtful book concepts. When the motivations are coming slowly to require, you can rapidly obtain the Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia as sources. Why? Since, you can get them from the soft data of the book that s validated in the web link offered.
After getting the link, it will also make you feel so simple. This is not your time to be perplexed. When the book is collected in this site, it can be obtained quickly. You could likewise save it in different tools so that you could take it as checking out products wherever you are. So currently, let's seek for the motivating resources that are easy to get. Obtain the various ways from other to alleviate you really feel so very easy in getting the sources.
Über den Autor und weitere Mitwirkende
Holden Karau is a software development engineer at Databricks and is active in open source. She is the author of an earlier Spark book. Prior to Databricks she worked on a variety of search and classification problems at Google, Foursquare, and Amazon. She graduated from the University of Waterloo with a Bachelors of Mathematics in Computer Science. Outside of software she enjoys playing with fire, welding, and hula hooping.Most recently, Andy Konwinski co-founded Databricks. Before that he was a PhD student and then postdoc in the AMPLab at UC Berkeley, focused on large scale distributed computing and cluster scheduling. He co-created and is a committer on the Apache Mesos project. He also worked with systems engineers and researchers at Google on the design of Omega, their next generation cluster scheduling system. More recently, he developed and led the AMP Camp Big Data Bootcamps and first Spark Summit, and has been contributing to the Spark project.Patrick Wendell is an engineer at Databricks as well as a Spark Committer and PMC member. In the Spark project, Patrick has acted as release manager for several Spark releases, including Spark 1.0. Patrick also maintains several subsystems of Spark's core engine. Before helping start Databricks, Patrick obtained an M.S. in Computer Science at UC Berkeley. His research focused on low latency scheduling for large scale analytics workloads. He holds a B.S.E in Computer Science from Princeton UniversityMatei Zaharia is the creator of Apache Spark and CTO at Databricks. He holds a PhD from UC Berkeley, where he started Spark as a research project. He now serves as its Vice President at Apache. Apart from Spark, he has made research and open source contributions to other projects in the cluster computing area, including Apache Hadoop (where he is a committer) and Apache Mesos (which he also helped start at Berkeley).
Produktinformation
Taschenbuch: 272 Seiten
Verlag: O'Reilly and Associates; Auflage: 1 (28. Februar 2015)
Sprache: Englisch
ISBN-10: 1449358624
ISBN-13: 978-1449358624
Größe und/oder Gewicht:
17,8 x 1,6 x 23,3 cm
Durchschnittliche Kundenbewertung:
4.4 von 5 Sternen
8 Kundenrezensionen
Amazon Bestseller-Rang:
Nr. 5.176 in Fremdsprachige Bücher (Siehe Top 100 in Fremdsprachige Bücher)
Das Buch wurde wie gewohnt von Amazon schnell und gut verschickt.Wer Spark kennen lernen will und damit mal arbeiten will für den ist dieses Buch super.Die verschiedene Bereiche werden gut erklärt und man kommt gut rein. Vieles wird mit guten Beispielen erklärt so das man es auch wirklich versteht.Da gerade Spark durch die große Community und der hohen anzahl der Contributors sich schnell weiter entwickelt wird dieses Buch leider auch schnell "alt". Spark übernimmt derzeit Ideen der anderen Frameworks und das klassische RDD wird demnächst durch ein Refactoring ersetzt und viele Regeln/best practices werden dadurch überflüssig.Für Spark 1.5.1 ist dieses Buch noch super zu gebrauchen.Aber das gehört leider zu IT Bücher dazu aber dennoch ist dies ein Super Buch.
Ich kann mich meinem Vorredner nur anschließen. Wer die Grundlagen von Spark lernen möchte, ist mit diesem Buch gut beraten. Was mir persönlich sehr gut gefallen hat ist die praktische Ausrichtung dieses Buches. Das Inhaltsverzeichnis ist klar strukturiert und baut meiner Meinung nach logisch aufeinander auf.Bei den Texten innerhalb des Buches sieht es etwas anders aus. Diese sind teilweise etwas unverständlich und bauen nicht immer auf einander auf. Mir sind ebenfalls einige Übersetzungsfehler aufgefallen die ein wenig für Verwirrung sorgen aber durch aus überwunden werden können.Das Buch ist durch die Beispiele in Java, Scala oder Python von einer recht großen Zielgruppe zu nutzen. Für Anfänger bieten sich somit gleich drei Programmiersprachen in denen Beispiele erklärt werden.Trotz kleiner „Mängel“ kann ich das Buch als Einstieg empfehlen und würde es auf jeden Fall wieder kaufen.
you buy the book and think all you need is there. but, oh no.... modern times may be fast, but not thorough.in various cases the input data is not available on GitHub or wherever else. Example: normal.txt for Spam Classification. Example: input.txt file for chapter 8 example.It's a nuisance to pay money for half-finished products.
I think this is at the moment the best resource to learn Spark.I really love books like this, because the authors in just 250 pages were able to cover every Spark-related aspect from the ground up. Of course, the Internet is always your friend - and keep in mind that Spark is being updated pretty often, so it might be that a code sample does not work properly and needs some tweaks, but that's alright, isn't it? :)
Full with examples, very good book. Gets you up and running with spark really fast. A lot of useful tips.
Book is very good, especially for beginners. Covers all basic functionality and has a lot of examples to try out.
Ich mich als einen "early adapter" apache Spark Frameworks und jemand, der es im beruflichen Alltag auch benützt.Das Buch hat mir damals sehr sehr geholfen. Zusammen mit der online Doku, SO, entsprechenden User Foren und später auch dem Source Code war es möglich grundlegendes Verständnis von Spark aufbauen. Hätte ich damals die Rezension geschrieben hätte ich klar 5 Sterne vergeben. Nett geschrieben und Hands On Beispiele. Code wie immer online zu finden. Toller Einstieg. Alle Beispiel auch im Buch sowohl in Scala als auch in Python.Es fehlt leider etwas dieTiefe. Wenn man mehr als einfache Word Count Beispiele bearbeitet und auf Spark basierende Lösungen in Produktion bringt, braucht es mehr. Ich habe aber noch kein Buch gefunden, dass dies bietet.Warum aber nur 3 Sterne?Da kann das Buch eigentlich nix für. Aber Spark ist ein junges Framework dass sich gewaltig und schnell verändert. Spark 2.x ist mit Datasets und der "low level" Optimierung die daran hängt, ordentlich vorangekommen. Vieles in dem Buch ist einfach veraltet. Man müsste es IMO komplett neu schreiben.
Wer die Grundlagen von Spark lernen möchte, ist mit diesem Buch gut beraten. Mir hat besonders gut gefallen, dass das Buch sehr praxisorientiert ist und man nebenbei mit der Spark-Shell die Beispiele ausprobieren und nachvollziehen kann. Auch die Beschreibung des Anlegens eines Clusters in Kapitel 7 fand ich sehr hilfreich.Um von diesem Buch zu profitieren sollte man schon fortgeschrittene Programmierkenntnisse in Python, Scala oder Java haben. MapReduce braucht man nicht zu kennen.Leider werden die Themen GraphX und SparkR nicht behandelt.Die meisten Beispiele werden in den drei Sprachen Python, Scala und Java 7 angegeben. Leider wurde hier nicht Java 8 verwendet, so dass die Beispiele sehr asymmetrisch sind. Der Java 7 Code macht das Buch fast kaputt. Allerdings muss man zur Entschuldigung der Autoren auch sagen, dass im Hadoop-Bereich der Umstieg auf Java 8 noch nicht durchgeführt wurde.Hier haben sich manchmal auch Übersetzungsfehler eingeschlichen und die Programme sind nicht immer gleich (z. B. die VerifyCallLogs() in Java fehlen in den anderen Versionen, 6-18).Anhand von Beispiel 4-25, dem 'Scala Page Rank', habe ich selber gelernt, dass Typenformationen auch hilfreich sein können. Die Beispiele in Python und Scala sind zwar kurz und knapp, aber mir fehlen unten in der Schleife die Datentypen zum Verständnis. Das ist so kein Code, den man sofort versteht. Ich werde also in Scala meine Transformationen freiwillig mit Typen kennzeichnen, damit sie besser lesbar sind.Im Abschnitt "Spark SQL Performance" klingt das ein wenig so, als ob die Autoren auch die Entwickler von Spark SQL sind a la 'Guck mal unser tolles System'. Hier sind sie ein wenig unkritisch, denn SQL-Optimierung ist ein sehr weiter und komplizierter Bereich und bei Spark-SQL wohl noch nicht auf dem Stand der traditionellen SQL-Datenbanken.Das Beispiel in "Machine Learning Basics" ist für den Einstieg meiner Meinung nach zu kompliziert. Und im Beispiel 6-12 benutzen die Autoren ein Anti-Pattern, da wird gegen die konkrete Implementierung ArrayList und nicht gegen das Interface List programmiert.Und - last but not least - das Buch heißt 'Learning'. Warum gibt es dann keine Übungen oder Aufgaben? Eventuell sogar mit Lösungen im Anhang?Aber insgesamt gesehen ein guter und gelungener Einstieg.
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia PDF
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia EPub
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia Doc
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia iBooks
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia rtf
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia Mobipocket
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia Kindle
0 komentar: