소득공제
PDF
eBook
스파크 완벽 가이드
스파크를 활용한 빅데이터 처리와 분석의 모든 것
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
이 분야의 이벤트
이 상품의 태그
상세 이미지
소개
목차
|
[ Part 1 빅데이터와 스파크 간단히 살펴보기 ]CHAPTER 1 아파치 스파크란1.1 아파치 스파크의 철학1.2 스파크의 등장 배경1.3 스파크의 역사1.4 스파크의 현재와 미래1.5 스파크 실행하기1.6 정리CHAPTER 2 스파크 간단히 살펴보기2.1 스파크의 기본 아키텍처2.2 스파크의 다양한 언어 API2.3 스파크 API2.4 스파크 시작하기2.5 SparkSession2.6 DataFrame2.7 트랜스포메이션2.8 액션2.9 스파크 UI2.10 종합 예제2.11 정리CHAPTER 3 스파크 기능 둘러보기3.1 운영용 애플리케이션 실행하기3.2 Dataset: 타입 안정성을 제공하는 구조적 API3.3 구조적 스트리밍3.4 머신러닝과 고급 분석3.5 저수준 API3.6 SparkR3.7 스파크의 에코시스템과 패키지3.8 정리[ Part 2 구조적 API: DataFrame, SQL, Part 2Dataset ]CHAPTER 4 구조적 API 개요4.1 DataFrame과 Dataset4.2 스키마4.3 스파크의 구조적 데이터 타입 개요4.4 구조적 API의 실행 과정4.5 정리CHAPTER 5 구조적 API 기본 연산5.1 스키마5.2 컬럼과 표현식5.3 레코드와 로우5.4 DataFrame의 트랜스포메이션5.5 정리CHAPTER 6 다양한 데이터 타입 다루기6.1 API는 어디서 찾을까6.2 스파크 데이터 타입으로 변환하기6.3 불리언 데이터 타입 다루기6.4 수치형 데이터 타입 다루기6.5 문자열 데이터 타입 다루기6.6 날짜와 타임스탬프 데이터 타입 다루기6.7 null 값 다루기6.8 정렬하기6.9 복합 데이터 타입 다루기6.10 JSON 다루기6.11 사용자 정의 함수6.12 Hive UDF6.13 정리CHAPTER 7 집계 연산7.1 집계 함수7.2 그룹화7.3 윈도우 함수7.4 그룹화 셋7.5 사용자 정의 집계 함수7.6 정리CHAPTER 8 조인8.1 조인 표현식8.2 조인 타입8.3 내부 조인8.4 외부 조인8.5 왼쪽 외부 조인8.6 오른쪽 외부 조인8.7 왼쪽 세미 조인8.8 왼쪽 안티 조인8.9 자연 조인8.10 교차 조인(카테시안 조인)8.11 조인 사용 시 문제점8.12 스파크의 조인 수행 방식8.13 정리CHAPTER 9 데이터소스9.1 데이터소스 API의 구조9.2 CSV 파일9.3 JSON 파일9.4 파케이 파일9.5 ORC 파일9.6 SQL 데이터베이스9.7 텍스트 파일9.8 고급 I/O 개념9.9 정리CHAPTER 10 스파크 SQL10.1 SQL이란10.2 빅데이터와 SQL: 아파치 하이브10.3 빅데이터와 SQL: 스파크 SQL10.4 스파크 SQL 쿼리 실행 방법10.5 카탈로그10.6 테이블10.7 뷰10.8 데이터베이스10.9 select 구문10.10 고급 주제10.11 다양한 기능10.12 정리CHAPTER 11 Dataset11.1 Dataset을 사용할 시기11.2 Dataset 생성11.3 액션11.4 트랜스포메이션11.5 조인11.6 그룹화와 집계11.7 정리[ Part 3 저수준 API ]CHAPTER 12 RDD12.1 저수준 API란12.2 RDD 개요12.3 RDD 생성하기12.4 RDD 다루기12.5 트랜스포메이션12.6 액션12.7 파일 저장하기12.8 캐싱12.9 체크포인팅12.10 RDD를 시스템 명령으로 전송하기12.11 정리CHAPTER 13 RDD 고급 개념13.1 키-값 형태의 기초(키-값 형태의 RDD)13.2 집계13.3 cogroup13.4 조인13.5 파티션 제어하기13.6 사용자 정의 직렬화13.7 정리CHAPTER 14 분산형 공유 변수14.1 브로드캐스트 변수14.2 어큐뮬레이터14.3 정리[ Part 4 운영용 애플리케이션 ]CHAPTER 15 클러스터에서 스파크 실행하기15.1 스파크 애플리케이션의 아키텍처15.2 스파크 애플리케이션의 생애주기(스파크 외부)15.3 스파크 애플리케이션의 생애주기(스파크 내부)15.4 세부 실행 과정15.5 정리CHAPTER 16 스파크 애플리케이션 개발하기16.1 스파크 애플리케이션 작성하기16.2 스파크 애플리케이션 테스트16.3 개발 프로세스16.4 애플리케이션 시작하기16.5 애플리케이션 환경 설정하기16.6 정리CHAPTER 17 스파크 배포 환경17.1 스파크 애플리케이션 실행을 위한 클러스터 환경17.2 클러스터 매니저17.3 기타 고려사항17.4 정리CHAPTER 18 모니터링과 디버깅18.1 모니터링 범위18.2 모니터링 대상18.3 스파크 로그18.4 스파크 UI18.5 디버깅 및 스파크 응급 처치18.6 정리CHAPTER 19 성능 튜닝19.1 간접적인 성능 향상 기법19.2 직접적인 성능 향상 기법19.3 정리[ Part 5 스트리밍 ]CHAPTER 20 스트림 처리의 기초20.1 스트림 처리란20.2 스트림 처리의 핵심 설계 개념20.3 스파크의 스트리밍 API20.4 정리CHAPTER 21 구조적 스트리밍의 기초21.1 구조적 스트리밍의 기초21.2 핵심 개념21.3 구조적 스트리밍 활용21.4 스트림 트랜스포메이션21.5 입력과 출력21.6 스트리밍 Dataset API21.7 정리CHAPTER 22 이벤트 시간과 상태 기반 처리22.1 이벤트 시간 처리22.2 상태 기반 처리22.3 임의적인 상태 기반 처리22.4 이벤트 시간 처리의 기본22.5 이벤트 시간 윈도우22.6 스트림에서 중복 데이터 제거하기22.7 임의적인 상태 기반 처리22.8 정리CHAPTER 23 운영 환경에서의 구조적 스트리밍23.1 내고장성과 체크포인팅23.2 애플리케이션 변경하기23.3 메트릭과 모니터링23.4 알림23.5 스트리밍 리스너를 사용한 고급 모니터링23.6 정리[ Part 6 고급 분석과 머신러닝 ]CHAPTER 24 고급 분석과 머신러닝 개요24.1 고급 분석에 대한 짧은 입문서24.2 스파크의 고급 분석 툴킷24.3 고수준 MLlib의 개념24.4 MLlib 실제로 사용하기24.5 모델 배포 방식24.6 정리CHAPTER 25 데이터 전처리 및 피처 엔지니어링25.1 사용 목적에 따라 모델 서식 지정하기25.2 변환자25.3 전처리 추정자25.4 고수준 변환자25.5 연속형 특징 처리하기25.6 범주형 특징 처리하기25.7 텍스트 데이터 변환자25.8 특징 조작하기25.9 특징 선택25.10 고급 주제25.11 정리CHAPTER 26 분류26.1 활용 사례26.2 분류 유형26.3 MLlib의 분류 모델26.4 로지스틱 회귀26.5 의사결정트리26.6 랜덤 포레스트와 그래디언트 부스티드 트리26.7 나이브 베이즈26.8 분류와 자동 모델 튜닝을 위한 평가기26.9 세부 평가지표26.10 일대다 분류기26.11 다층 퍼셉트론26.12 정리CHAPTER 27 회귀27.1 활용 사례27.2 MLlib에서 제공하는 회귀 모델27.3 선형 회귀27.4 일반화 선형 회귀27.5 의사결정트리27.6 랜덤 포레스트와 그래디언트 부스티드 트리27.7 고급 방법론27.8 평가기와 모델 튜닝 자동화27.9 평가지표27.10 정리CHAPTER 28 추천28.1 활용 사례28.2 교차최소제곱 알고리즘을 사용하여 협업 필터링 구현하기28.3 추천을 위한 평가기28.4 성과 평가지표28.5 빈발 패턴 마이닝28.6 정리CHAPTER 29 비지도 학습29.1 활용 사례29.2 모델 확장성29.3 k-평균29.4 이분법 k-평균29.5 가우시안 혼합 모델29.6 잠재 디리클레 할당29.7 정리CHAPTER 30 그래프 분석30.1 그래프 작성하기30.2 그래프 쿼리하기30.3 모티프 찾기30.4 그래프 알고리즘30.5 정리CHAPTER 31 딥러닝31.1 딥러닝이란31.2 스파크에서 딥러닝을 사용하는 방법31.3 딥러닝 라이브러리31.4 딥러닝 파이프라인을 사용한 간단한 예제31.5 정리[ Part 7 에코시스템 ]CHAPTER 32 언어별 특성: 파이썬(PySpark)과 R(SparkR, sparklyr)32.1 PySpark32.2 R로 스파크 사용하기32.3 정리CHAPTER 33 에코시스템과 커뮤니티33.1 스파크 패키지33.2 커뮤니티33.3 정리부록 A 스파크 설치 및 실행 부록 B 더블린 원정대: 스파크 서밋 2017 더블린 참관기
|
저자 소개 5
Bill Chambers
2014년에 몇몇 연구 프로젝트에 스파크를 도입했습니다. 데이터브릭스에서 제품 관리를 맡고 있으며 사용자들이 다양한 아파치 스파크 애플리케이션을 개발할 수 있는 환경을 만들기 위해 노력하고 있습니다. 또한 정기적으로 스파크와 관련된 블로그를 작성하고 콘퍼런스 발표와 밋업에 참여하고 있습니다. UC버클리 대학교 정보대학원에서 정보 관리와 시스템 분야의 석사학위를 취득했습니다.
Mate Zaharia
2009년에 아파치 스파크 프로젝트를 시작했고 UC버클리 대학교 박사 과정 동안 스파크와 함께 했습니다. 버클리의 여러 연구원 및 외부 공동 작업자와 함께 스파크의 핵심 API를 설계하고 스파크 커뮤니티를 성장시키고 있으며 구조적 API와 구조적 스트리밍 같은 새로운 개념을 만드는 데 참여하고 있습니다. 2013년 마테이와 버클리 스파크 팀은 오픈소스 프로젝트의 성장을 도우려 데이터브릭스를 설립하고 상업용 제품을 제공하기 시작했습니다. 현재 데이터브릭스의 최고 기술 전문가로 일하고 있으며 스탠퍼드 대학교의 컴퓨터 과학 분야 조교수를 맡아 대규모 시스템과 인공지능 분야를 연구하고
2009년에 아파치 스파크 프로젝트를 시작했고 UC버클리 대학교 박사 과정 동안 스파크와 함께 했습니다. 버클리의 여러 연구원 및 외부 공동 작업자와 함께 스파크의 핵심 API를 설계하고 스파크 커뮤니티를 성장시키고 있으며 구조적 API와 구조적 스트리밍 같은 새로운 개념을 만드는 데 참여하고 있습니다. 2013년 마테이와 버클리 스파크 팀은 오픈소스 프로젝트의 성장을 도우려 데이터브릭스를 설립하고 상업용 제품을 제공하기 시작했습니다. 현재 데이터브릭스의 최고 기술 전문가로 일하고 있으며 스탠퍼드 대학교의 컴퓨터 과학 분야 조교수를 맡아 대규모 시스템과 인공지능 분야를 연구하고 있습니다. 2013년에 UC버클리 대학교에서 컴퓨터 과학 박사학위를 취득했습니다. 마테이는 아파치 메소스 프로젝트의 초기 멤버이자 아파치 하둡의 커미터입니다. 마테이의 연구 내용은 2014 ACM Doctoral Dissertation Award 및 VMware Systems Research Award를 수상하며 인정받았습니다.
현재 빅데이터 솔루션 전문업체인 KT NexR의 책임 연구원으로 재직 중이다. 다수의 기업에서 모바일 게임, SNS 서비스, 결제 시스템 등 다양한 S/W 분야의 개발 경험이 있으며, 2011년 빅데이터의 매력에 빠져 빅데이터 분야의 오픈소스들을 다루기 시작했다.
KT NexR의 대표적인 빅데이터 분석 솔루션 NDAP 개발에 참여했으며, 지금은 아키텍처 설계부터 프론트엔드/백엔드 개발까지 수행하는 풀 스택 엔지니어로서 실시간 빅데이터 처리 및 분석 솔루션인 Lean Stream 개발에 참여하고 있다.
현재 kt NexR에서 R&D2 팀장을 맡고 있다. 시스템 통합과 빅데이터 솔루션 개발을 수행하던 멤브로스 대표를 역임했다. kt NexR에 빅데이터 엔지니어로 입사한 후 살아 있는 빅데이터를 경험했다. 다수의 배치/실시간 빅데이터 프로젝트에 참여했으며, 기술서적 번역과 빅데이터 강의를 즐긴다. 현재 팀원들과 함께 아파치 스파크 기반의 빅데이터 처리 솔루션을 개발하고 있으며 빅데이터의 대중화에 큰 관심을 가지고 있다.
롯데면세점 빅데이터팀 팀장이다. kt NexR의 데이터 사이언스팀 팀장과 SK C&C 데이터 사이언스 유닛 리더를 거치며 다양한 도메인에서 데이터 분석 업무를 수행했다. 최근에는 이커머스 산업에서 다양한 데이터를 결합하고 분석하여 초개인화(hyper-personalization)를 구현하기 위해 준지도 학습과 비지도 학습을 함께 응용한 분석 방법론을 연구하고 있다.
강재원의 다른 상품
품목정보
- 발행일
- 2019년 01월 11일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 6.48MB ?
- 글자 수/ 페이지 수
- 약 797쪽 ?
- ISBN13
- 9791162249222
출판사 리뷰
|
스파크 활용과 배포, 유지 보수까지 전체적 흐름을 포괄적으로 안내하는 바이블이 책은 쉽게 실행할 수 있는 스파크 예제와 모든 유형의 기본 사용 사례를 다루는 스파크 종합 안내서입니다. 스파크의 기초적인 내용부터 처리, 운용, 관리, 모니터링 그리고 그래프와 머신러닝에 이르기까지 다양한 내용을 종합적으로 설명합니다. 특히 스파크 2.0 기반의 고수준 신규 API인 DataFrame, Dataset, 스파크 SQL, 구조적 스트리밍(Structured Streaming)을 집중적으로 소개합니다. 스파크를 사용하려는 데이터 과학자와 데이터 엔지니어에게 많은 도움이 될 내용으로 구성했습니다.이 책의 번역 품질을 최고로 높이기 위해 동분서주했던 역자들의 뼈를 깎는 노고를 언급하지 않을 수 없습니다. 매일 밤을 새우다시피 하며 방대한 분량의 원서를 수십 차례에 걸쳐 다듬고 소스 코드를 수정했으며, 열 명도 넘는 업계 실무자들을 치킨으로 유혹(!)하여 수 차례에 걸친 가혹한 베타 리딩 과정을 거쳤습니다. 원서에는 없는 ‘실행 환경 구축’에 필요한 구체적인 내용과 ‘스파크 서밋 2017 더블린 참관기’도 따로 집필하여 부록으로 실었습니다. 한편으로는 독자가 조금이라도 더 친근하고 편안한 느낌으로 읽을 수 있는 문장을 만들고자 노력했습니다. 이러한 담금질을 거쳐 탄생한 이 번역서가 여러분을 경이로운 스파크의 세계로 편안하게 인도해줄 것입니다.
|
