內容簡介

本書基于Spark 2.4.x新版本編寫，從Spark核心編程語言Scala講起，涵蓋當前整個Spark生態系統主流的大數據開發技術。全書共9章，第1章講解Scala語言的基礎知識，包括IDEA工具的使用等；第2章講解Spark的主要組件、集群架構原理、集群環境搭建以及Spark應用程序的提交和運行；第3～9章講解離線計算框架Spark RDD、Spark SQL和實時計算框架Kafka、Spark Streaming、Structured Streaming以及圖計算框架GraphX等的基礎知識、架構原理，同時包括常用Shell命令、API操作、內核源碼剖析，并通過多個實際案例講解各個框架的具體應用以及與Hadoop生態系統框架Hive、HBase、Kafka的整合操作。

本書內容豐富，以實操案例為主，理論為輔，可作為Spark新手的入門書，也可作為大數據開發人員和從業者的學習用書，還可以作為培訓機構或大中專院校的教學用書。