Leserbewertungen
Zusammenfassung:Das Buch wird von Databricks-Benutzern im Allgemeinen gut aufgenommen und insbesondere für seine klaren Erklärungen und praktischen Einblicke in die Optimierung von Datenpipelines gelobt. Während es sowohl für Anfänger als auch für fortgeschrittene Nutzer empfohlen wird, merkten einige Rezensenten an, dass es in bestimmten Bereichen, insbesondere bei Optimierungsthemen, an Tiefe mangelt und sich für erfahrenere Nutzer oberflächlich anfühlen könnte. Trotzdem wird es als wertvolle Ressource mit praktischen Code-Beispielen und Szenarien aus der Praxis angesehen.
Vorteile:⬤ Klarer und präziser Schreibstil.
⬤ Ausgezeichnete Ressource für Anfänger und Fortgeschrittene.
⬤ Nützliche Einblicke in die Skalierung von Datenpipelines und Optimierungstechniken.
⬤ Deckt eine breite Palette von Themen ab, darunter MLFlow, Delta Lake und strukturiertes Streaming.
⬤ Enthält praktische Beispiele und Codebeispiele, die auf GitHub verfügbar sind.
⬤ Enthält reale Szenarien und Fallstudien.
⬤ Einige Rezensenten sind der Meinung, dass der erste Abschnitt grundlegend und übereilt ist.
⬤ Es fehlt an Tiefe bei bestimmten Optimierungsthemen, was für fortgeschrittene Benutzer enttäuschend sein kann.
⬤ Das letzte Kapitel über reale Szenarien ist zu kurz.
⬤ Einige Leser fanden das Buch oberflächlich und schlugen einen irreführenden Titel vor.
(basierend auf 10 Leserbewertungen)
Originaltitel:
Optimizing Databricks Workloads: Harness the power of Apache Spark in Azure and maximize the performance of modern big data workloads
Inhalt des Buches:
Beschleunigen Sie Berechnungen und nutzen Sie Ihre Daten effektiv und effizient auf Databricks.
Hauptmerkmale:
⬤ Verstehen Sie Spark-Optimierungen für Big-Data-Workloads und maximieren Sie die Leistung.
⬤ Erstellen Sie effiziente Big-Data-Engineering-Pipelines mit Databricks und Delta Lake.
⬤ Effiziente Verwaltung von Spark-Clustern für die Big-Data-Verarbeitung.
Buchbeschreibung:
Databricks ist eine branchenführende, cloudbasierte Plattform für Datenanalyse, Data Science und Data Engineering, die Tausende von Unternehmen auf der ganzen Welt bei ihrer Datenreise unterstützt. Es ist eine schnelle, einfache und kollaborative Apache Spark-basierte Big-Data-Analyseplattform für Data Science und Data Engineering in der Cloud.
In Optimizing Databricks Workloads beginnen Sie mit einer kurzen Einführung in Azure Databricks und lernen schnell die wichtigsten Optimierungstechniken kennen. Das Buch behandelt die Auswahl der optimalen Spark-Cluster-Konfiguration für die Ausführung von Big Data-Verarbeitung und -Workloads in Databricks, einige sehr nützliche Optimierungstechniken für Spark DataFrames, Best Practices für die Optimierung von Delta Lake und Techniken zur Optimierung von Spark-Aufträgen durch Spark Core. Es bietet die Möglichkeit, einige der realen Szenarien kennenzulernen, in denen die Optimierung von Arbeitslasten in Databricks Unternehmen geholfen hat, die Leistung zu steigern und Kosten in verschiedenen Bereichen zu sparen.
Am Ende dieses Buches werden Sie mit dem notwendigen Toolkit ausgestattet sein, um Ihre Spark-Aufträge zu beschleunigen und Ihre Daten effizienter zu verarbeiten.
Was Sie lernen werden:
⬤ Sie lernen die Grundlagen von Spark und der Databricks-Plattform kennen.
⬤ Verarbeiten Sie Big Data mit der Spark DataFrame API mit Delta Lake.
⬤ Analysieren Sie Daten mithilfe der Graphenverarbeitung in Databricks.
⬤ Verwenden Sie MLflow, um Lebenszyklen des maschinellen Lernens in Databricks zu verwalten.
⬤ Finden Sie heraus, wie Sie die richtige Clusterkonfiguration für Ihre Workloads auswählen.
⬤ Erforschen Sie Dateiverdichtungs- und Clustering-Methoden, um Delta-Tabellen zu optimieren.
⬤ Entdecken Sie fortgeschrittene Optimierungstechniken, um Spark-Aufträge zu beschleunigen.
Für wen dieses Buch gedacht ist:
Dieses Buch richtet sich an Dateningenieure, Datenwissenschaftler und Cloud-Architekten, die über Arbeitskenntnisse in Spark/Databricks und ein Grundverständnis der Prinzipien der Datentechnik verfügen. Die Leser müssen über Kenntnisse in Python verfügen, und eine gewisse Erfahrung mit SQL in PySpark und Spark SQL ist von Vorteil.
Weitere Daten des Buches:
| ISBN: | 9781801819077 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
