Spark de alto rendimiento: Las mejores prácticas para escalar y optimizar Apache Spark

Opiniones de los lectores

El libro 'High Performance Spark' ofrece una exploración detallada de la escritura de código Spark eficiente, adecuado para profesionales con conocimientos previos de Scala y Spark. Se centra en la optimización del rendimiento y proporciona ejemplos de código exhaustivos, principalmente en Scala. Mientras que algunos usuarios encontraron que era un recurso bien estructurado e informativo, otros criticaron su accesibilidad para los principiantes y la fuerte dependencia de Scala.

⬤ Guía completa para escribir código Spark de alto rendimiento.
⬤ Explicaciones detalladas de conceptos avanzados y técnicas de optimización.
⬤ Bien estructurado con un buen equilibrio entre teoría y aplicaciones prácticas.
⬤ Rico en ejemplos de código que mejoran la comprensión, especialmente para aquellos familiarizados con Scala.
⬤ Presentación clara, simplicidad y diagramas útiles.

⬤ No apto para principiantes; requiere conocimientos previos de Spark y Scala.
⬤ El fuerte enfoque en Scala puede alejar a los usuarios no familiarizados con el lenguaje.
⬤ Algunos usuarios lo consideraron demasiado denso y desafiante sin un entorno Spark práctico.
⬤ Cobertura limitada de ciertos temas, como Spark streaming.
⬤ Algunos lo encontraron tedioso debido a los excesivos ejemplos de codificación.

(basado en 27 opiniones de lectores)

Título original:

High Performance Spark: Best Practices for Scaling and Optimizing Apache Spark

Contenido del libro:

Apache Spark es increíble cuando todo encaja. Pero si no ha visto las mejoras de rendimiento que esperaba, o todavía no se siente lo suficientemente seguro como para utilizar Spark en producción, este libro práctico es para usted. Los autores Holden Karau y Rachel Warren demuestran optimizaciones de rendimiento para ayudar a que sus consultas Spark se ejecuten más rápido y manejen datos de mayor tamaño, a la vez que utilizan menos recursos.

Ideal para ingenieros de software, ingenieros de datos, desarrolladores y administradores de sistemas que trabajan con aplicaciones de datos a gran escala, este libro describe técnicas que pueden reducir los costes de infraestructura de datos y las horas de trabajo de los desarrolladores. No sólo obtendrá una comprensión más completa de Spark, sino que también aprenderá a hacerlo cantar.

Con este libro, explorará:

⬤ Cómo las nuevas interfaces de Spark SQL mejoran el rendimiento con respecto a la estructura de datos RDD de SQL.

⬤ La elección entre uniones de datos en Core Spark y Spark SQL.

⬤ Técnicas para aprovechar al máximo las transformaciones RDD estándar.

⬤ Cómo solucionar los problemas de rendimiento en el paradigma de pares clave/valor de Spark.

⬤ Escribir código Spark de alto rendimiento sin Scala o la JVM.

⬤ Cómo probar la funcionalidad y el rendimiento al aplicar las mejoras sugeridas.

⬤ Utilizar las librerías de aprendizaje automático Spark MLlib y Spark ML.

⬤ Componentes de Streaming de Spark y paquetes externos de la comunidad.