《Spark实战(第2版)》之【Spark 介绍（基于Spark 3.0）】

      《Spark实战(第2版)》翻译于新冠疫情在全世界肆虐之时，可谓“生于忧患”。短短一年半的时间，全世界数不胜数的人感染了新冠肺炎，甚至死在病毒的攻击之下。

       古语有云：“殷忧启圣，多难兴邦。”任何事物的发展都是辩证的。纵观人类与病毒纠葛的历史，每次疫情的暴发，都深刻改变了人类文化、经济和军事的发展进程。例如，14 世纪的黑死病

造成了西欧崛起， 15 世纪末美洲天花带来了全球降温， 18 世纪末黄热病结束了法国在海地的殖民

统治， 19 世纪非洲牛瘟加速了欧洲殖民扩张，等等。而本次的新冠大流行依然在蔓延之中，疫苗

的快速研发似乎让人们看到了隧道尽头的曙光，但是由于变异病毒的出现，人类又陷入了各种不确

定之中。

        值此鱼游沸鼎之际，身处海外的我，在 YouTube 上观看各路专家、网红对如何防治病毒，以及人类如何与自然共存，议论纷纷，莫衷一是。在各种分析过程中，专家们最常见的做法就是引用各种数据。根据概率论的大数定律，数据量越大，剖分得越细致，所得到的分析结果就越有说说力。

       大数据、云计算、人工智能，是当今计算领域发展的三驾马车。云计算为大数据提供了存储和

运算之所，人工智能为云计算提供了算法逻辑，而所有这一切都要建立在 Spark 的大数据处理框架的基础之上。在介绍 Spark 之前回顾集群计算的历史，我们不得不谈谈 MapReduce 和 Hadoop ，如 果没有巨人的肩膀可供站立，Spark 不可能如此成功。

        Spark 基于内存计算，整合了内存计算单元，提高了大数据处理的实时性。它兼具高容错性和

可伸缩性，因此相对于 Hadoop 的集群处理方法， Spark 在性能方面更具优势。从另一角度看， Spark 可被看作 MapReduce 的一种扩展。在计算的各个阶段， MapReduce 无法进行有效的资源共享，因此不擅长迭代式、交互式和流式的计算工作。针对这一点，Spark 创造性地引入了 RDD( 弹性分布式数据集) ，实现了计算过程中的资源共享。因为采用了弹性内存分布式数据集，所以 Spark 不仅能提供交互式查询，还可优化迭代工作的负载。

 

      《Spark实战(第2版)》循序渐进地向读者介绍 Spark 的历史渊源和运作原理，并利用各种示例生动展示 Spark 的各种应用。本书面向数据工程师和数据分析师。Spark 的技术繁复庞杂，我们很难在一时之间掌握， 因此读者要时常温故而知新，在实践中学习，在学习中实践，这样循环反复，才能学有所成。

       《Spark实战(第2版)》成书于“危难之际”，得到了清华大学出版社的领导和编辑们的信任和鼎力支持。在此，要特别感谢他们的耐心和帮助。在我翻译本书的过程中，就读于西交利物浦大学大数据专业的袁于博同学，也给予了帮助，在此表示感谢。

       译者才疏学浅，见闻浅薄，言辞多有不足之处，还望谅解并不吝指正。 

                                                                         林赐

                                                                2021 年 10 月 3 日

                                                               于加拿大渥太华大学

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 想了解更多关于《Spark实战(第2版)》的内容，请点击：

《Spark实战（第2版）》([法]吉恩·乔治·佩林（Jean-Georges Perrin）)【摘要 书评 试读】- 京东图书京东JD.COM图书频道为您提供《Spark实战（第2版）》在线选购，本书作者：，出版社：清华大学出版社。买图书，到京东。网购图书，享受最低优惠折扣!https://item.jd.com/13100155.html