原文鏈接：『 Spark 』5. 這些年，你不能錯(cuò)過(guò)的 spark 學(xué)習(xí)資源
寫在前面
本系列是綜合了自己在學(xué)習(xí)spark過(guò)程中的理解記錄 ＋ 對(duì)參考文章中的一些理解 ＋ 個(gè)人實(shí)踐spark過(guò)程中的一些心得而來(lái)。寫這樣一個(gè)系列僅僅是為了梳理個(gè)人學(xué)習(xí)spark的筆記記錄表蝙，所以一切以能夠理解為主寒锚，沒(méi)有必要的細(xì)節(jié)就不會(huì)記錄了劫映，而且文中有時(shí)候會(huì)出現(xiàn)英文原版文檔，只要不影響理解刹前，都不翻譯了泳赋。若想深入了解，最好閱讀參考文章和官方文檔喇喉。
其次祖今，本系列是基于目前最新的 spark 1.6.0 系列開始的，spark 目前的更新速度很快轧飞，記錄一下版本好還是必要的衅鹿。
最后，如果各位覺(jué)得內(nèi)容有誤过咬，歡迎留言備注大渤，所有留言 24 小時(shí)內(nèi)必定回復(fù)，非常感謝掸绞。
Tips: 如果插圖看起來(lái)不明顯泵三，可以：1. 放大網(wǎng)頁(yè)耕捞；2. 新標(biāo)簽中打開圖片，查看原圖哦烫幕。
1. 書籍
2. 網(wǎng)站
- official site
- user mailing list
- spark channel on youtube
- spark summit
- meetup
- spark third party packages
- databricks blog
- databricks docs
- databricks training
- cloudera blog about spark
- https://0x0fff.com
- http://techsuppdiva.github.io/
- csdn spark 知識(shí)庫(kù)
- 過(guò)往記憶
3. 文章俺抽，博客
- RDD論文英文版
- RDD論文中文版
- An Architecture for Fast and General Data Processing on Large Clusters
- How-to: Tune Your Apache Spark Jobs (Part 1)
- How-to: Tune Your Apache Spark Jobs (Part 2)
- 借助 Redis ，讓 Spark 提速 45 倍较曼！
- 量化派基于Hadoop磷斧、Spark、Storm的大數(shù)據(jù)風(fēng)控架構(gòu)
- 基于Spark的異構(gòu)分布式深度學(xué)習(xí)平臺(tái)
- 你對(duì)Hadoop和Spark生態(tài)圈了解有幾許捷犹？
- Hadoop vs Spark
- 雅虎開源CaffeOnSpark：基于Hadoop/Spark的分布式深度學(xué)習(xí)
- [2016 上海第二次 spark meetup: 1. spark_meetup.pdf](http://litaotao.github.io/files/1. spark_meetup.pdf)
- [2016 上海第二次 spark meetup: 2. Flink_ An unified stream engine.pdf](http://litaotao.github.io/files/2. Flink_ An unified stream engine.pdf)
- [2016 上海第二次 spark meetup: 3. Spark在計(jì)算廣告領(lǐng)域的應(yīng)用實(shí)踐.pdf](http://litaotao.github.io/files/3. Spark在計(jì)算廣告領(lǐng)域的應(yīng)用實(shí)踐.pdf)
- [2016 上海第二次 spark meetup: 4. splunk_spark.pdf](http://litaotao.github.io/files/4. splunk_spark.pdf)
- 基于Spark的醫(yī)療和金融大數(shù)據(jù)
4. 視頻
A Deeper Understanding of Spark Internals - Aaron Davidson (Databricks)
slideA Deeper Understanding of Spark Internals - Aaron Davidson (Databricks)Building, Debugging, and Tuning Spark Machine Learning Pipelines - Joseph Bradley (Databricks)
slideBuilding, Debugging, and Tuning Spark Machine Learning PipelinesSpark DataFrames Simple and Fast Analysis of Structured Data - Michael Armbrust (Databricks)
slideSpark DataFrames Simple and Fast Analysis of Structured Data - Michael Armbrust (Databricks)slideStructuring Spark: DataFrames, Datasets, and StreamingslideSpark in Production: Lessons from 100+ Production UsersEveryday I'm Shuffling - Tips for Writing Better Spark Programs, Strata San Jose 2015
slideEveryday I'm Shuffling - Tips for Writing Better Spark Programs, Strata San Jose 2015
- Building a REST Job Server for Interactive Spark as a Service
slideBuilding a REST Job Server for Interactive Spark as a Service
- Exploiting GPUs for Columnar DataFrame Operations
slideExploiting GPUs for Columnar DataFrame Operations
- Easy JSON Data Manipulation in Spark - Yin Huai (Databricks)
slideEasy JSON Data Manipulation in Spark - Yin Huai (Databricks)
Sparkling: Speculative Partition of Data for Spark Applications - Peilong Li
slideSparkling: Speculative Partition of Data for Spark Applications - Peilong Li
5. next
上面的資源我都會(huì)不斷更新的弛饭，里面 80% 以上的都是我親自看過(guò)并且覺(jué)得有價(jià)值的，可不是胡亂收集一通的萍歉，推薦欣賞哦侣颂。
本系列文章鏈接
- 『 Spark 』1. spark 簡(jiǎn)介
- 『 Spark 』2. spark 基本概念解析
- 『 Spark 』3. spark 編程模式
- 『 Spark 』4. spark 之 RDD
- 『 Spark 』5. 這些年，你不能錯(cuò)過(guò)的 spark 學(xué)習(xí)資源
- 『 Spark 』6. 深入研究 spark 運(yùn)行原理之 job, stage, task
- 『 Spark 』7. 使用 Spark DataFrame 進(jìn)行大數(shù)據(jù)分析
- 『 Spark 』8. 實(shí)戰(zhàn)案例 ｜ Spark 在金融領(lǐng)域的應(yīng)用 ｜ 日內(nèi)走勢(shì)預(yù)測(cè)
- 『 Spark 』9. 搭建 IPython + Notebook + Spark 開發(fā)環(huán)境
