Learning Spark van Jules Damji, Brooke Wenig en Tathagata Das is een Engelstalig gedrukt studieboek dat zich richt op data engineers en wetenschappers. Het behandelt hoe je efficiënte data workloads kunt verwerken met Apache Spark, inclusief machine learning en open source tools.
Deze editie benadrukt nieuwe functionaliteiten in Spark 2.4 en biedt concrete inzichten in het gebruik van Python, SQL, Scala en Java via DataFrames en Datasets. U leert onder meer:
- De werking van de Spark SQL engine en optimalisaties
- Het afstemmen en debuggen van Spark prestaties met configuraties en UI
- Verbinden met diverse dataformaten en bronnen zoals JSON, Parquet, Hive en Kafka
- Batch- en streaming-analytics met Structured Streaming
- Het bouwen van data pipelines met Delta Lake
- Machine learning pipelines met MLlib en inzet met MLflow
- Data transformatie en feature engineering met het open source Pandas framework Koalas
Dit boek sluit aan bij onderwerpen als databases, data management, algoritmen, datastructuren en data science.