《Spark大数据商业实战三部曲:内核解密 商业案例 性能调优》PDF电子书

Spark大数据商业实战三部曲:内核解密 商业案例 性能调优

《Spark大数据商业实战三部曲:内核解密|商业案例|性能调优》基于Spark 2.2.X,以Spark商业案例实战和Spark在生产环境下几乎所有类型的性能调优为核心,以Spark内核解密为基石,分为上篇、中篇、下篇,对企业生产环境下的Spark商业案例与性能调优抽丝剥茧地进行剖析。上篇基于Spark源码,从一个动手实战案例入手,循序渐进地全面解析了Spark 2.2新特性及Spark内核源码;中篇选取Spark开发中*有代表的经典学习案例,深入浅出地介绍,在案例中综合应用Spark的大数据技术;下篇性能调优内容基本wan全覆盖了Spark在生产环境下的所有调优技术。

《Spark大数据商业实战三部曲:内核解密|商业案例|性能调优》目录

上篇 内核解密

第壹章 电光石火间体验Spark 2.2开发实战… 2

1.1 通过RDD实战电影点评系统入门及源码阅读… 2

1.1.1 Spark核心概念图解… 2

1.1.2 通过RDD实战电影点评系统案例… 4

1.2 通过DataFrame和DataSet实战电影点评系统… 7

1.2.1 通过DataFrame实战电影点评系统案例… 7

1.2.2 通过DataSet实战电影点评系统案例… 10

1.3 Spark 2.2源码阅读环境搭建及源码阅读体验… 11

第2章 Spark 2.2技术及原理… 14

2.1 Spark 2.2综述… 14

2.1.1 连续应用程序… 14

2.1.2 新的API 15

2.2 Spark 2.2 Core. 16

2.2.1 第2代Tungsten引擎… 16

2.2.2 SparkSession. 16

2.2.3 累加器API 17

2.3 Spark 2.2 SQL. 19

2.3.1 Spark SQL. 20

2.3.2 DataFrame和Dataset API 20

2.3.3 Timed Window.. 21

2.4 Spark 2.2 Streaming. 21

2.4.1 Structured Streaming. 21

2.4.2 增量输出模式… 23

2.5 Spark 2.2 MLlib. 27

2.5.1 基于DataFrame的Machine Learning API 28

2.5.2 R的分布式算法… 28

2.6 Spark 2.2 GraphX.. 29

第3章 Spark的灵魂:RDD和DataSet 30

3.1 为什么说RDD和DataSet是Spark的灵魂… 30

3.1.1 RDD的定义及五大特性剖析… 30

3.1.2 DataSet的定义及内部机制剖析… 34

3.2 RDD弹性特性七个方面解析… 36

3.3 RDD依赖关系… 43

3.3.1 窄依赖解析… 43

3.3.2 宽依赖解析… 45

3.4 解析Spark中的DAG逻辑视图… 46

3.4.1 DAG生成的机制… 46

3.4.2 DAG逻辑视图解析… 47

3.5 RDD内部的计算机制… 49

3.5.1 Task解析… 49

3.5.2 计算过程深度解析… 49

3.6 Spark RDD容错原理及其四大核心要点解析… 57

3.6.1 Spark RDD容错原理… 57

3.6.2 RDD容错的四大核心要点… 57

3.7 Spark RDD中Runtime流程解析… 59

3.7.1 Runtime架构图… 59

3.7.2 生命周期… 60

3.8 通过WordCount实战解析Spark RDD内部机制… 70

3.8.1 Spark WordCount动手实践… 70

3.8.2 解析RDD生成的内部机制… 72

3.9 基于DataSet的代码到底是如何一步步转化成为RDD的… 78

第4章 Spark Driver启动内幕剖析… 81

4.1 Spark Driver Program剖析… 81

4.1.1 Spark Driver Program.. 81

4.1.2 SparkContext深度剖析… 81

4.1.3 SparkContext源码解析… 82

4.2 DAGScheduler解析… 96

4.2.1 DAG的定义… 96

4.2.2 DAG的实例化… 97

4.2.3 DAGScheduler划分Stage的原理… 98

4.2.4 DAGScheduler划分Stage的具体算法… 99

4.2.5 Stage内部Task获取佳位置的算法… 113

4.3 TaskScheduler解析… 116

4.3.1 TaskScheduler原理剖析… 116

4.3.2 TaskScheduler源码解析… 117

4.4 SchedulerBackend解析… 132

4.4.1 SchedulerBackend原理剖析… 132

4.4.2 SchedulerBackend源码解析… 132

4.4.3 Spark程序的注册机制… 133

4.4.4 Spark程序对计算资源Executor的管理… 134

4.5 打通Spark系统运行内幕机制循环流程… 135

4.6 本章总结… 145

第5章 Spark集群启动原理和源码详解… 146

5.1 Master启动原理和源码详解… 146

5.1.1 Master启动的原理详解… 146

5.1.2 Master启动的源码详解… 147

5.1.3 Master HA双机切换… 157

5.1.4 Master的注册机制和状态管理解密… 163

5.2 Worker启动原理和源码详解… 170

5.2.1 Worker启动的原理流程… 170

5.2.2 Worker启动的源码详解… 174

5.3 ExecutorBackend启动原理和源码详解… 178

5.3.1 ExecutorBackend接口与Executor的关系… 178

5.3.2 ExecutorBackend的不同实现… 179

5.3.3 ExecutorBackend中的通信… 181

5.3.4 ExecutorBackend的异常处理… 183

5.4 Executor中任务的执行… 184

5.4.1 Executor中任务的加载… 184

5.4.2 Executor中的任务线程池… 185

5.4.3 任务执行失败处理… 186

5.4.4 揭秘TaskRunner 188

5.5 Executor执行结果的处理方式… 189

5.6 本章总结… 197

第6章 Spark Application提交给集群的原理和源码详解… 198

6.1 Spark Application到底是如何提交给集群的… 198

6.1.1 Application提交参数配置详解… 198

6.1.2 Application提交给集群原理详解… 199

6.1.3 Application提交给集群源码详解… 201

6.2 Spark Application是如何向集群申请资源的… 211

6.2.1 Application申请资源的两种类型详解… 211

6.2.2 Application申请资源的源码详解… 213

6.3 从Application提交的角度重新审视Driver 219

6.3.1 Driver到底是什么时候产生的… 220

6.3.2 Driver和Master交互原理解析… 238

6.3.3 Driver和Master交互源码详解… 244

6.4 从Application提交的角度重新审视Executor 249

6.4.1 Executor到底是什么时候启动的… 249

6.4.2 Executor如何把结果交给Application. 254

6.5 Spark 1.6 RPC内幕解密:运行机制、源码详解、Netty与Akka等… 254

6.6 本章总结… 267

第7章 Shuffle原理和源码详解… 268

7.1 概述… 268

7.2 Shuffle的框架… 269

7.2.1 Shuffle的框架演进… 269

7.2.2 Shuffle的框架内核… 270

7.2.3 Shuffle框架的源码解析… 272

7.2.4 Shuffle数据读写的源码解析… 275

7.3 Hash Based Shuffle. 281

7.3.1 概述… 281

7.3.2 Hash Based Shuffle内核… 282

7.3.3 Hash Based Shuffle数据读写的源码解析… 285

7.4 Sorted Based Shuffle. 290

7.4.1 概述… 292

7.4.2 Sorted Based Shuffle内核… 293

7.4.3 Sorted Based Shuffle数据读写的源码解析… 294

7.5 Tungsten Sorted Based Shuffle. 302

7.5.1 概述… 302

7.5.2 Tungsten Sorted Based Shuffle内核… 302

7.5.3 Tungsten Sorted Based Shuffle数据读写的源码解析… 303

7.6 Shuffle与Storage 模块间的交互… 309

7.6.1 Shuffle注册的交互… 310

7.6.2 Shuffle写数据的交互… 314

7.6.3 Shuffle读数据的交互… 315

7.6.4 BlockManager架构原理、运行流程图和源码解密… 315

7.6.5 BlockManager解密进阶:BlockManager初始化和注册解密、BlockManager- Master工作解密、BlockTransferService解密、本地数据读写解密、远程数据读写解密… 324

7.7 本章总结… 341

第8章 Job工作原理和源码详解… 342

8.1 Job到底在什么时候产生… 342

8.1.1 触发Job的原理和源码解析… 342

8.1.2 触发Job的算子案例… 344

8.2 Stage划分内幕… 345

8.2.1 Stage划分原理详解… 345

8.2.2 Stage划分源码详解… 346

8.3 Task全生命周期详解… 346

8.3.1 Task的生命过程详解… 347

8.3.2 Task在Driver和Executor中交互的全生命周期原理和源码详解… 348

8.4 ShuffleMapTask和ResultTask处理结果是如何被Driver管理的… 364

8.4.1 ShuffleMapTask执行结果和Driver的交互原理及源码详解… 364

8.4.2 ResultTask执行结果与Driver的交互原理及源码详解… 370

第9章 Spark中Cache和checkpoint原理和源码详解… 372

9.1 Spark中Cache原理和源码详解… 372

9.1.1 Spark中Cache原理详解… 372

9.1.2 Spark中Cache源码详解… 372

9.2 Spark中checkpoint原理和源码详解… 381

9.2.1 Spark中checkpoint原理详解… 381

9.2.2 Spark中checkpoint源码详解… 381

下载价格:5 资源分
VIP优惠:免费
下载说明:本站所有资源均来自于网络,仅供学习参考之用!如有侵犯您的版权,请联系邮箱:fajueziyuan@qq.com 本站将第一时间删除!升级VIP可免费下载。
0

评论0

请先

没有账号? 忘记密码?