（1）Spark数据分析导论
1.1 Spark是什么
Spark是一个用来实现快速而通用的集群计算的平台。Spark扩展了广泛使用的MapReduce平台计算模型，而且高效地支持更多模式，包括交互式查询和流处理。Spark的一个主要的特点就是能够在内存中进行计算。
1.2 一个大一统的软件栈
Spark的核心是一个对由很多计算任务组成的，运行在多个工作机器或者是一个计算集群上的应用进行调度、分拨以及监控的计算引擎。
各组件间紧密结合的设计原理有这样的几个优点：
1.软件栈中所有的程序库和高级组件都可以从下层的改进中获益；
2.运行整个软件栈的代价变小了；
3.我们能够构建出无缝整合不同处理模型的应用
Spark有以下几个组件：
1. Spark Core
Spark Core实现了Spark的基本功能，包含任务调度，内存管理，错误回复，与储存系统交互等模块。还包含了对RDD的API定义。
2.Spark SQL
是Spark用来操作结构化数据的程序包
3.Spark Streaming
是Spark提供的对实时数据进行流式计算的组件
4.MLlib
一个常见的机器学习库
5.GraphX
用来操作图的程序库
6.集群管理器
就底层而言，Spark设计为可以高效地在一个计算节点到数千个计算节点之间伸缩计算。为了实现这样的要求，同时获得最大的灵活性，Spark支持在各种集群管理器上运行。
