數(shù)據(jù)已成為國家基礎(chǔ)性戰(zhàn)略資源，大數(shù)據(jù)正逐漸對全球生產(chǎn)、流通、分配、消費活動以及經(jīng)濟運行機制、社會生活方式和國家治理產(chǎn)生重要影響。2013年6月，Spark進入Apache成為孵化項目，8個月后成為Apache頂級項目。Spark因其先進的設(shè)計理念而迅速成為社區(qū)的熱門項目，隨著Spark的SparkSQL、SparkStreaming、MLlib和GraphX等組件被相繼推出，這些組件逐漸形成大數(shù)據(jù)處理一站式解決平臺。
　　Spark功能強大，涉及的知識面寬廣。本書用通俗易懂的語言闡述相關(guān)原理和操作，并給出了豐富的操作案例，同時將知識點講解與實際操作相結(jié)合，使讀者學(xué)以致用。
　　全書共8章，各章內(nèi)容如下。
　　第1章為Spark概述。本章主要介紹Spark運行機制、Spark安裝及配置、SparkScala編程和SparkPython編程。
　　第2章為Scala基礎(chǔ)編程。本章對Scala進行概要介紹，主要包括Scala特性，Scala安裝，Scala基本數(shù)據(jù)類型，Scala常量和變量，Scala數(shù)組、列表、集合和映射，Scala控制結(jié)構(gòu)，Scala函數(shù)，Scala類和Scala讀寫文件。
　　第3章為基于Scala的Spark編程。RDD是Spark的核心概念，本質(zhì)上是一個只讀的分區(qū)記錄集合，每個分區(qū)是一個數(shù)據(jù)集片段。Spark基于Scala語言提供了對RDD的轉(zhuǎn)換操作和行動操作，通過這些操作可實現(xiàn)復(fù)雜的應(yīng)用。本章主要介紹RDD的創(chuàng)建方法、RDD各種操作、RDD屬性、RDD持久化的方法以及如何使用Scala語言編寫Spark應(yīng)用程序。
　　第4章為Windows環(huán)境下的Spark綜合編程。本章主要介紹如何在Windows系統(tǒng)上搭建Spark、Hadoop和Maven開發(fā)環(huán)境，并給出一個Spark綜合編程實例。
　　第5章為SparksoL結(jié)構(gòu)化數(shù)據(jù)處理。SparksoL是Spark用來處理結(jié)構(gòu)化數(shù)據(jù)的一個模塊，它提供了一個編程抽象，叫作DataFrame。本章主要介紹SparksoL與Shell交互、DataFrame對象的創(chuàng)建、DataFrame對象上的常用操作。
　　第6章為SparkStreaming流計算。本章首先介紹流計算的相關(guān)概念、SparkStreaming運行原理、SparkStreaming程序編寫步驟、StreamingContext對象的創(chuàng)建，然后介紹DStream的常用操作。