《Spark GraphX 实战》内容简介

本书是一本Spark GraphX入门书籍。前5章为基础内容，即使读者对Spark、GraphX、Scala不熟悉，也能快速上手；后5章为图计算进阶，主要是图算法和机器学习算法的相关内容。专门讲图计算的书很少，本书在第2、3、4章介绍了图的基础知识、GraphX基础知识、GraphX内置的图算法。第6章到第10章，主要介绍了GraphX之外的图算法、机器学习、图工具、GraphX监控和优化、GraphX的能力增强等实用技能。第9章和第10章主要介绍性能调优和监控，主要面向生产环境，有不少可以借鉴的技巧。本书面向对图计算感兴趣的读者，旨在帮助读者掌握Spark GraphX的相关知识及其应用。
迈克尔·S.马拉克（Michael S.Malak），一直从事软件开发工作，自2013年年初以来他一直用Spark为财富200强的公司做开发工作，经常进行演示和分享，特别是在科罗拉多州他住的丹佛/博尔德地区。他的个人技术博客的地址是http://technicaltidbit.com。
罗宾·伊斯特（Robin East），在一些大型企业曾担任过15年以上的顾问，在金融、政府、医疗保健和公共事业领域提供大数据和智能解决方案。他是Worldpay的数据科学家，帮助公司实现把数据用于核心业务上。可以在这里看到他在Spark、GraphX和机器学习方面的作品：https://mlspeed.wordpress.com。

作品目录

译者序
序言
致谢
关于本书
关于封面插图
第1部分
Spark和图
1、两项重要的技术：Sp1ark和图
1.1、Spark：超越Hadoop
MapReduce
1.2、图：挖掘关系中的含义
1.3、把快如闪电的图处理放到一起：Spark
GraphX
1.4、小结
2、GraphX快速入门
2.1、准备开始并准备数据
2.2、用Spark
Shell做GraphX交互式查询
2.3、PageRank算法示例
2.4、小结
3、基础知识
3.1、Scala——Spark的原生编程语言
3.2、Spark
3.3、图术语解释
3.4、小结
第2部分
连接顶点
4、GraphX
基础
4.1、顶点对象与边对象
4.2、mapping操作
4.3、序列化/反序列化
4.4、图生成
4.5、Pregel
API
4.6、小结
5、内置图算法
5.1、找出重要的图节点：网页排名
5.2、衡量连通性：三角形数
5.3、查找最少的跳跃：最短路径
5.4、找到孤岛人群：连通组件
5.5、受欢迎的回馈：增强连通组件
5.6、社区发现算法：标签传播
5.7、小结
6、其他有用的图算法
6.1、你自己的GPS：有权值的最短路径
6.2、旅行推销员问题：贪心算法
6.3、路径规划工具：最小生成树
6.4、小结
7、机器学习
7.1、监督、无监督、半监督学习
7.2、影片推荐：SVDPlusPlus
7.3、在MLlib中使用GraphX
7.4、穷人（简化版）的训练数据：基于图的半监督学习
7.5、小结
第3部分
更多内容
8、缺失的算法
8.1、缺失的基本图操作
8.2、读取RDF图文件
8.3、穷人（简化版）的图同构：找到Wikipedia缺失的信息
8.4、全局聚类系数：连通性比较
8.5、小结
9、性能和监控
9.1、监控Spark应用
9.2、Spark配置
9.3、Spark性能调优
9.4、图分区
9.5、小结
10、更多语言以及工具
10.1、在GraphX中使用除Scala外的其他语言
10.2、其他可视化工具：Apache
Zeppelin
和
d3.js
10.3、类似一个数据库：Spark
Job
Server
10.4、通过GraphFrames在Spark的图上使用SQL
10.5、小结
附录A
安装Spark
附录B
Gephi可视化软件
附录C
更多资源
附录D
本书中的Scala小贴士