Spark-2.x 中文文档

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhongqi2513/article/details/90611830

• Spark 概述
• 编程指南
  • 快速入门
  • Spark 编程指南
    • 概述
    • Spark 依赖
    • Spark 的初始化
      • Shell 的使用
    • 弹性分布式数据集（RDDS）
      • 并行集合
      • 外部数据集
      • RDD 操作
      • RDD 持久化
    • 共享变量
      • Broadcast Variables （广播变量）
      • Accumulators （累加器）
    • 部署应用到集群中
    • 使用 Java / Scala 运行 spark Jobs
    • 单元测试
    • Spark 1.0 版本前的应用程序迁移
    • 下一步
  • Spark Streaming
    • Spark Streaming 概述
    • 一个简单的示例
    • 基本概念
      • 依赖
      • 初始化 StreamingContext
      • Discretized Streams（DStreams）（离散化流）
      • Input DStreams 和 Receivers
      • DStreams 上的 Transformations（转换）
      • DStreams 上的输出操作
      • DataFrame 和 SQL 操作
      • MLlib 操作
      • 缓存 / 持久化
      • CheckPointing
      • 累加器和广播变量
      • 应用程序部署
      • 监控应用程序
    • 性能优化
      • 降低批处理的时间
      • 设置合理的批处理间隔
      • 内存优化
    • 容错语义
    • 迁移指南（从 0.9.1 或者更低版本至 1.x 版本）
    • 快速跳转
      • Kafka 集成指南
  • DataFrames，Datasets 和 SQL
    • Spark SQL 概述
      • SQL
      • Datasets 和 DataFrames
    • Spark SQL 入门指南
      • 起始点 : SparkSession
      • 创建 DataFrame
      • 无类型 Dataset 操作（aka DataFrame 操作）
      • 以编程的方式运行 SQL 查询
      • 创建 Dataset
      • RDD 的互操作性
    • 数据源
      • 通用的 Load/Save 函数
      • Parquet文件
      • JSON Datasets
      • Hive 表
      • JDBC 连接其它数据库
      • 故障排除
    • 性能调优
      • 缓存数据到内存
      • 其它配置选项
    • 分布式 SQL引擎
      • 运行 Thrift JDBC/ODBC server
      • 运行 Spark SQL CLI
    • 迁移指南
      • 从 Spark SQL 1.6 升级到 2.0
      • 从 Spark SQL 1.5 升级到 1.6
      • 从 Spark SQL 1.4 升级到 1.5
      • 从 Spark SQL 1.3 升级到 1.4
      • 从 Spark SQL 1.0~1.2 升级到 1.3
      • 兼容 Apache Hive
    • 参考
      • 数据类型
      • NaN 语义
  • Structured Streaming
  • MLlib（机器学习）
    • 机器学习库（MLlib）指南
      • ML Pipelines（ML管道）
      • Extracting, transforming and selecting features（特征的提取，转换和选择）
      • Classification and regression（分类和回归）
      • Clustering（聚类）
      • Collaborative Filtering（协同过滤）
      • ML Tuning: model selection and hyperparameter tuning（ML调优：模型选择和超参数调整）
      • Advanced topics（高级主题）
    • MLlib：基于RDD的API
      • Data Types - RDD-based API（数据类型）
      • Basic Statistics - RDD-based API（基本统计）
      • Classification and Regression - RDD-based API（分类和回归）
      • Collaborative Filtering - RDD-based API（协同过滤）
      • Clustering - RDD-based API（聚类 - 基于RDD的API）
      • Dimensionality Reduction - RDD-based API（降维）
      • Feature Extraction and Transformation - RDD-based API（特征的提取和转换）
      • Frequent Pattern Mining - RDD-based API（频繁模式挖掘）
      • Evaluation metrics - RDD-based API（评估指标）
      • PMML model export - RDD-based API（PMML模型导出）
      • Optimization - RDD-based API（最优化）
  • GraphX（图形处理）
  • Spark R
• 部署
  • 集群模式概述
  • 提交应用
  • Spark Standalone 模式
  • Spark on Mesos
  • Spark on YARN
    • Spark on YARN 上运行
    • 准备
    • Spark on YARN 配置
    • 调试应用
    • Spark 属性
    • 重要提示
    • 在一个安全的集群中运行
    • 用 Apache Oozie 来运行应用程序
    • Kerberos 故障排查
• 更多
  • Spark 配置
  • Spark 监控
  • 优化指南
  • 作业调度
  • Spark 安全
  • 硬件配置
  • 构建 Spark

http://cwiki.apachecn.org/pages/viewpage.action?pageId=2883613