Spark官方文档-集群模式概览
集群模式概览 本文档为Spark是如何运行在集群上的提供了一个简短的概览，目的是使涉及到的各个组件更容易理解。请阅读应用提交指南来学习如何在一个集群上启动应用。…
Spark官方文档-Spark编程指南（第八节）
部署到集群 应用提交指南描述了如何将应用提交到集群上。简而言之，一旦你将你的应用打包进了一个JAR（对于Java/Scala）或者一组.py或.zip文件（对于…
Spark官方文档-Spark编程指南（第七节）
共享变量 一般地，当一个函数被传递给一个在远程集群节点上执行的Spark操作时，在函数中用到的所有变量都是以独立拷贝的形式被使用。这些变量被拷贝到各个机器上，并…
Spark官方文档-Spark编程指南（第六节）
RDD持久化 在不同操作之间将数据集持久化（或者缓存）在内存中是Spark最重要的能力之一。当你持久化一个RDD时，每个节点都会存储它在内存中计算的任何part…
Spark官方文档-Spark编程指南（第五节）
Transformations 下面的表格列举了Spark支持的一些常见transformations。细节请参考RDD API文档（Scala, Java, …
Spark官方文档-Spark编程指南（第四节）
理解闭包（closures） 关于Spark最难的一个问题是理解当在集群上执行代码时，变量和方法的作用域和生命周期。变量在其作用域之外被RDD操作修改是一个常见…
Spark官方文档-Spark编程指南（第三节）
RDD操作 RDDs支持两种类型的操作：transformations，从一个已有的RDD创建出一个新的数据集；actions，针对数据集运行一种计算之后给驱动…
Spark官方文档-Spark编程指南（第二节）
弹性分布式数据集(RDDs) Spark是围绕着弹性分布式数据集（RDD）来解决问题的，RDD是一个可容错的并且可以并行操作的元素集合。有两种创建RDDs的方式…
Spark官方文档-Spark编程指南（第一节）
概述 总的来说，每个Spark应用都包括一个在集群上运行用户的main函数和各种并行操作的驱动程序。Spark提供的主要抽象是一个弹性分布式数据集（RDD），R…
Spark官方文档－快速入门
本文为使用Spark提供了简明介绍。我们首先会通过Spark的交互shell（使用Python或者Scala语言）介绍API，然后展示如何用Java，Scala…