本书基于Spark2.4.X版本，以Spark商业案例实战和Spark在生产环境下几乎所有类型的性能调优为核心，以Spark内核解密为基石，对企业生产环境下的Spark商业案例与性能调优抽丝剥茧地进行剖析。全书共分4篇，内核解密篇基于Spark源码，从一个实战案例入手，循序渐进地全面解析Spark2.4.X版本的新特性及Spark内核源码；商业案例篇选取Spark开发中拥有代表性的经典学习案例，在案例中综合介绍Spark的大数据技术；性能调优篇覆盖Spark在生产环境下的所有调优技术；Spark+AI解密篇讲解深度学习实践、Spark+PyTorch案例实战、Spark+TensorFlow实战以及Spark上的深度学习内核解密。本书适合所有Spark学习者和从业人员使用。对于有分布式计算框架应用经验的人员，本书也可作为Spark高手修炼的参考用书。本书还适合作为高等院校的大数据课程教材。

篇内核解密篇
章电光石火间体验Spark2.4开发实战
1.1通过RDD实战电影点评系统入门及源码阅读
1.1.1Spark核心概念图解
1.1.2通过RDD实战电影点评系统案例
1.2通过DataFrame和DataSet实战电影点评系统
1.2.1通过DataFrame实战电影点评系统案例
1.2.2通过DataSet实战电影点评系统案例
1.3Spark2.4源码阅读环境搭建及源码阅读体验
第2章Spark2.4技术及原理
2.1Spark2.4综述
2.1.1连续应用程序
2.1.2新的API
2.2Spark2.4Core
2.2.1第二代Tungsten引擎
2.2.2SparkSession
2.2.3累加器API
2.3Spark2.4SQL
2.3.1SparkSQL
2.3.2DataFrame和DatasetAPI
2.3.3TimedWindow
2.4Spark2.4Streaming
2.4.1StructuredStreaming
2.4.2增量输出模式
2.5Spark2.4MLlib
2.5.1基于DataFrame的MachineLearningAPI
2.5.2R的分布式算法
2.6Spark2.4GraphX
第3章Spark的灵魂：RDD和DataSet
3.1为什么说RDD和DataSet是Spark的灵魂
3.1.1RDD的定义及五大特性剖析
3.1.2DataSet的定义及内部机制剖析
3.2RDD弹性特性7个方面解析
3.3RDD依赖关系
3.3.1窄依赖解析
3.3.2宽依赖解析
3.4解析Spark中的DAG逻辑视图
3.4.1DAG生成的机制
3.4.2DAG逻辑视图解析
3.5RDD内部的计算机制
3.5.1Task解析
3.5.2计算过程深度解析
3.6SparkRDD容错原理及其四大核心要点解析
3.6.1SparkRDD容错原理
3.6.2RDD容错的四大核心要点
3.7SparkRDD中Runtime流程解析
3.7.1Runtime架构图
3.7.2生命周期
3.8通过WordCount实战解析SparkRDD内部机制
3.8.1SparkWordCount动手实践
3.8.2解析RDD生成的内部机制
3.9基于DataSet的代码如何转化为RDD
第4章SparkDriver启动内幕剖析
4.1SparkDriverProgram剖析
4.1.1SparkDriverProgram
4.1.2SparkContext深度剖析
4.1.3SparkContext源码解析
4.2DAGScheduler解析
4.2.1DAG的定义
4.2.2DAG的实例化
4.2.3DAGScheduler划分Stage的原理
4.2.4DAGScheduler划分Stage的具体算法
4.2.5Stage内部Task获取最佳位置的算法
4.3TaskScheduler解析
4.3.1TaskScheduler原理剖析
4.3.2TaskScheduler源码解析
4.4SchedulerBackend解析
4.4.1SchedulerBackend原理剖析
4.4.2SchedulerBackend源码解析
4.4.3Spark程序的注册机制
……
第2篇商业案例篇
第3篇性能调优篇
第4篇Spark+AI解密篇