解决Spark数据倾斜全面总结
假设某个Spark Job分为Stage 0和Stage 1两个Stage，且Stage 1依赖于Stage 0，那Stage 0完全处理结束之前不会处理Stage 1。
大数据技术之Spark
Spark是一种与Hadoop MapReduce相似的开源集群计算环境，Spark拥有MapReduce所具有的优点，但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark的计算效率要比MapReduce快很多，同时Spark也能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
阿里P8专家，深入解析分布式计算：Strom+Scala+Spark，共15.93G
Spark是UC Berkeley AMP lab 所开源的类Hadoop MapReduce的通用并行计算框架，Spark拥有Hadoop MapReduce所具有的优点;
深度预警:Spark运行原理
Spark应用程序，由一个或多个作业JOB组成，如下图所示:image2、Driver：驱动程序Spark中的Driver即运行上述Application的Main，如下图所示:image7、窄依赖父RDD每一个分区最多被一个子RDD的分区所用；表现为一个父RDD的分区对应于一个
SparkSQL读取HBase数据
这里的SparkSQL是指整合了Hive的spark-sql cli（关于SparkSQL和Hive的整合，见文章后面的参考阅读）.本质上就是通过Hive访问HBase表，具体就是通过hive-hbase-handler .hadoop-2.3.0-cdh5.0.
2020年阿里巴巴最全Java、架构师、大数据、算法PPT技术栈图册
我只截图不说话，PPT大全，氛围研发篇、算法篇、大数据、Java后端架构！Java核心技术栈：覆盖了JVM、锁、并发、Java反射、Spring原理、微服务、Zookeeper、数据库、数据结构等大量知识点。
带你对比Hadoop MapReduce与Apache Spark
文章来源：加米谷大数据Hadoop和Spark是大数据生态系统中流行的apache项目。Apache Spark是对hadoop大数据生态系统的原始Hadoop MapReduce组件的改进。
分布式系统开发实战：分布式计算，实战：基于Spark词频统计
实战：基于Spark词频统计下面，我们将演示基于Spark框架来实现词频统计功能。项目概述我们将创建一个名为“spark-word-count”的应用。在该应用中，我们将使用Spark来实现对文章中单词的出现频率进行统计。