Gratis Bücher Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia
For this reason, you could take Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia as one of your analysis materials today. Even you still have the various other publication; you can develop your readiness to truly get this significant book. It will constantly give benefits from some sides. Reading this kind of book likewise will direct you to have more experiences that have not.
Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia
Gratis Bücher Learning Spark: Lightning-Fast Data Analysis, by Holden Karau Matei Zaharia
Finden Sie das Geheimnis eine effektive Person zu sein, die immer aktualisiert die Informationen und Verständnis. Auf diese Weise kann nur durch Akkumulieren das brandneue Updates von zahlreichen Ressourcen offen gelegt werden. Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia verwandelt sich in eine der Entscheidungen, die Sie treffen können. Warum sollte dieses Buch sein? Dies ist Führung aufgrund seiner Macht Ihnen die Details und auch Quellen in immer aktualisiert zu stimulieren. Ein ebenfalls, dass dieses Buch als Vorschlag machen wird, ist dies auch die Tendenz hat, die aktuellste Buch zu veröffentlichen.
Die Anbindung an das Internet als auch als Ausgang dieses Buch machen Griff bekommen kann getan werden, während verschiedene andere Arbeiten mit oder arbeiten oder irgendwo zu sein. Warum? Dieses Mal ist es extrem einfach für Sie Web zu befestigen. Wenn Sie möchten, Führer erhalten, während andere Aktivitäten zu tun, könnten Sie auf den Link, wie in dieser Website sehen. Sie bestätigt, dass Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia extrem einfach ist, diese Website zu erhalten durch Sehen.
Diese Publikation wird ständig am meisten gewünschte weil das Thema unglaublich beliebt ist zu klettern. Außerdem enthält es das Thema für jedes Alter und Zustand. Alle Grade Personen sind sehr gut aufgenommen, dieses Buch zu lesen. Die Weiterentwicklung dieser Publikation ist, dass Sie nicht wirklich brauchen, um das Gefühl herausfordernd, genau zu erkennen, was diese Veröffentlichung Angebot. Die Lektion, Know-how, Erfahrung und auch alle Dinge, die müssen Ihre Lebensdauer bieten könnten viel besser zu fühlen.
Das sind einige der Vorteile zu lesen Learning Spark: Lightning-Fast Data Analysis, By Holden Karau Matei Zaharia Wenn Sie eine Entscheidung getroffen haben, zu bekommen und auch das Buch zu werfen, haben Sie die Formel sowie erhalten die leicht zu behalten, bis abgeschlossen zu überprüfen. Dieses Buch hat die Tendenz, eine erforderliche Veröffentlichung zu sein, einige Aufgaben sowie Aufgaben zu verlangen. Wenn andere Menschen immer noch über die Aufgaben und Zieldatum geärgert werden, könnten Sie viel mehr abgewickelten fühlen, weil Sie Führung perfekt erhalten haben.
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:
Posting Komentar