第1章 开始使用Apache Spark

1.1 简介

1.2 使用二进制文件安装Spark

1.3 通过Maven构建Spark源码

1.4 在Amazon EC2上部署Spark

1.5 在集群上以独立模式部署Spark

1.6 在集群上使用Mesos部署Spark

1.7 在集群上使用YARN部署

1.8 使用Tachyon作为堆外存储层

第2章 使用Spark开发应用

2.1 简介

2.2 探索Spark shell

2.3 在Eclipse中使用Maven开发Spark应用

2.4 在Eclipse中使用SBT开发Spark应用

2.5 在Intellij IDEA中使用Maven开发Spark应用

2.6 在Intellij IDEA中使用SBT开发Spark应用

第3章 外部数据源

3.1 简介

3.2 从本地文件系统加载数据

3.3 从HDFS加载数据

3.4 从HDFS加载自定义输入格式的数据

3.5 从Amazon S3加载数据

3.6 从Apache Cassandra加载数据

3.7 从关系型数据库加载数据

第4章 Spark SQL

4.1 简介

4.2 理解Catalyst优化器

4.3 创建HiveContext

4.4 使用case类生成数据格式

4.5 编程指定数据格式

4.6 使用Parquet格式载入及存储数据

4.7 使用JSON格式载入及存储数据

4.8 从关系型数据库载入及存储数据

4.9 从任意数据源载入及存储数据

第5章 Spark Streaming

5.1 简介

5.2 使用Streaming统计字数

5.3 Twitter流数据处理

5.4 Kafka流数据处理

第6章 机器学习——MLlib

6.1 简介

6.2 创建向量

6.3 创建向量标签

6.4 创建矩阵

6.5 计算概述统计量

6.6 计算相关性

6.7 进行假设检验

6.8 使用ML创建机器学习流水线

第7章 监督学习之回归——MLlib

7.1 简介

7.2 使用线性回归

7.3 理解代价函数

7.4 使用Lasso线性回归

7.5 使用岭回归

第8章 监督学习之分类——MLlib

8.1 简介

8.2 逻辑回归分类

8.3 支持向量机二元分类

8.4 决策树分类

8.5 随机森林分类

8.6 梯度提升树（GBTs）分类

8.7 朴素贝叶斯分类

第9章 无监督学习——MLlib

9.1 简介

9.2 使用k-means聚类

9.3 主成分分析的降维

9.4 奇异值分解降维

第10章 推荐系统

10.1 简介

10.2 显性反馈的协同过滤

10.3 隐性反馈的协同过滤

第11章 图像处理——GraphX

11.1 简介

11.2 基本图像运算

11.3 使用PageRank

11.4 查找连通分量

11.5 相邻聚合实现

第12章 优化及调优

12.1 简介

12.2 内存优化

12.3 使用压缩提升性能

12.4 使用序列化提升性能

12.5 优化垃圾回收

12.6 优化并行度的级别

12.7 理解未来的优化——Tungsten项目