我國提出新基建概念，要加快大數(shù)據(jù)中心、人工智能等新型基礎(chǔ)設(shè)施的建設(shè)進度，這無疑需要更多的大數(shù)據(jù)人才。PySpark可以對大數(shù)據(jù)進行分布式處理，降低大數(shù)據(jù)學(xué)習(xí)門檻，本書正是一本PySpark入門教材，適合有一定Python基礎(chǔ)的讀者學(xué)習(xí)使用。
本書分為7章，第1章介紹大數(shù)據(jù)的基本概念、常用的大數(shù)據(jù)分析工具；第2章介紹Spark作為大數(shù)據(jù)處理的特點和算法；第3章介紹Spark實戰(zhàn)環(huán)境的搭建，涉及Windows和Linux操作系統(tǒng)；第4章介紹如何靈活應(yīng)用PySpark對數(shù)據(jù)進行操作；第5章介紹PySpark ETL處理，涉及PySpark讀取數(shù)據(jù)、對數(shù)據(jù)進行統(tǒng)計分析等數(shù)據(jù)處理相關(guān)內(nèi)容；第6章介紹PySpark如何利用MLlib庫進行分布式機器學(xué)習(xí)（Titanic幸存者預(yù)測）；第7章介紹一個PySpark和Kafka結(jié)合的實時項目。
本書內(nèi)容全面、示例豐富，可作為廣大PySpark入門讀者必備的參考書，同時能作為大中專院校師生的教學(xué)參考書，也可作為高等院校計算機及相關(guān)專業(yè)的大數(shù)據(jù)技術(shù)教材使用。