思维导图备注

Spark技术内幕：深入解析Spark内核架构设计与实现原理
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

前言

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2022-01-24 10:34:14
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 序
  • 前言
  • 第1章 Spark简介
    • 1.1 Spark的技术背景
    • 1.2 Spark的优点
    • 1.3 Spark架构综述
    • 1.4 Spark核心组件概述
      • 1.4.1 Spark Streaming
      • 1.4.2 MLlib
      • 1.4.3 Spark SQL
      • 1.4.4 GraphX
    • 1.5 Spark的整体代码结构规模
  • 第2章 Spark学习环境的搭建
    • 2.1 源码的获取与编译
      • 2.1.2 源码编译
    • 2.2 构建Spark的源码阅读环境
  • 2.3 小结
    • 3.1 概述
    • 3.2 什么是RDD
      • 3.2.1 RDD的创建
      • 3.2.2 RDD的转换
      • 3.2.3 RDD的动作
      • 3.2.4 RDD的缓存
      • 3.2.5 RDD的检查点
    • 3.3 RDD的转换和DAG的生成
      • 3.3.1 RDD的依赖关系
      • 3.3.2 DAG的生成
      • 3.3.3 Word Count的RDD转换和DAG划分的逻辑视图
    • 3.4 RDD的计算
      • 3.4.2 Task的执行起点
      • 3.4.3 缓存的处理
      • 3.4.4 checkpoint的处理
      • 3.4.5 RDD的计算逻辑
    • 3.5 RDD的容错机制
    • 3.6 小结
  • 第4章 Scheduler模块详解
    • 4.1 模块概述
      • 4.1.2 Scheduler的实现概述
    • 4.2 DAGScheduler实现详解
      • 4.2.1 DAGScheduler的创建
      • 4.2.2 Job的提交
      • 4.2.3 Stage的划分
      • 4.2.4 任务的生成
    • 4.3 任务调度实现详解
      • 4.3.1 TaskScheduler的创建
      • 4.3.2 Task的提交概述
      • 4.3.3 任务调度具体实现
      • 4.3.4 Task运算结果的处理
    • 4.4 Word Count调度计算过程详解
    • 4.5 小结
  • 第5章 Deploy模块详解
    • 5.1 Spark运行模式概述
      • 5.1.1 local
      • 5.1.2 Mesos
      • 5.1.3 YARN
    • 5.2 模块整体架构
    • 5.3 消息传递机制详解
      • 5.3.2 Master和Client
      • 5.3.3 Client和Executor
    • 5.4 集群的启动
      • 5.4.2 Worker的启动
    • 5.5 集群容错处理
      • 5.5.1 Master异常退出
      • 5.5.2 Worker异常退出
      • 5.5.3 Executor异常退出
    • 5.6 Master HA实现详解
      • 5.6.1 Master启动的选举和数据恢复策略
      • 5.6.2 集群启动参数的配置
      • 5.6.3 Curator Framework简介
      • 5.6.4 ZooKeeperLeaderElectionAgent的实现
    • 5.7 小结
  • 第6章 Executor模块详解
    • 6.1 Standalone模式的Executor分配详解
      • 6.1.1 SchedulerBackend创建AppClient
      • 6.1.2 AppClient向Master注册Application
      • 6.1.3 Master根据AppClient的提交选择Worker
      • 6.1.4 Worker根据Master的资源分配结果创建Executor
    • 6.2 Task的执行
      • 6.2.1 依赖环境的创建和分发
      • 6.2.2 任务执行
      • 6.2.3 任务结果的处理
      • 6.2.4 Driver端的处理
    • 6.3 参数设置
      • 6.3.2 日志相关
    • 6.3.3 spark.executor.heartbeatInterval
  • 第7章 Shuffle模块详解
    • 7.1 Hash Based Shuffle Write
      • 7.1.1 Basic Shuffle Writer实现解析
      • 7.1.2 存在的问题
      • 7.1.3 Shuffle Consolidate Writer
      • 7.1.4 小结
    • 7.2 Shuffle Pluggable框架
      • 7.2.2 org.apache.spark.shuffle.ShuffleWriter
      • 7.2.3 org.apache.spark.shuffle.ShuffleBlockManager
      • 7.2.4 org.apache.spark.shuffle.ShuffleReader
      • 7.2.5 如何开发自己的Shuffle机制
    • 7.3 Sort Based Write
    • 7.4 Shuffle Map Task运算结果的处理
      • 7.4.1 Executor端的处理
      • 7.4.2 Driver端的处理
    • 7.5 Shuffle Read
      • 7.5.1 整体流程
      • 7.5.2 数据读取策略的划分
      • 7.5.3 本地读取
      • 7.5.4 远程读取
    • 7.6 性能调优
      • 7.6.1 spark.shuffle.manager
      • 7.6.2 spark.shuffle.spill
      • 7.6.3 spark.shuffle.memoryFraction和spark.shuffle.safetyFraction
      • 7.6.4 spark.shuffle.sort.bypassMergeThreshold
      • 7.6.5 spark.shuffle.blockTransferService
      • 7.6.6 spark.shuffle.consolidateFiles
      • 7.6.7 spark.shuffle.compress和spark.shuffle.spill.compress
      • 7.6.8 spark.reducer.maxMbInFlight
    • 7.7 小结
  • 第8章 Storage模块详解
    • 8.1 模块整体架构
      • 8.1.2 源码组织结构
      • 8.1.3 Master和Slave的消息传递详解
    • 8.2 存储实现详解
      • 8.2.2 模块类图
      • 8.2.3 org.apache.spark.storage.DiskStore实现详解
      • 8.2.4 org.apache.spark.storage.MemoryStore实现详解
      • 8.2.5 org.apache.spark.storage.TachyonStore实现详解
      • 8.2.6 Block存储的实现
    • 8.3 性能调优
      • 8.3.2 spark.executor.memory
      • 8.3.4 spark.streaming.blockInterval
    • 8.4 小结
  • 第9章 企业应用概述
    • 9.1.1 现状
    • 9.1.2 百度开放云BMR的Spark
    • 9.2 Spark在阿里
    • 9.1.3 在Spark中使用Tachyon
    • 9.3 Spark在腾讯
    • 9.4 小结
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《Spark技术内幕：深入解析Spark内核架构设计与实现原理》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度