PySpark 教程

Apache Spark 是用 Scala 编程语言编写的。为了在 Spark 中支持 Python，Apache Spark 社区发布了一个工具 PySpark。使用 PySpark，你还可以使用 Python 编程语言处理 RDD。正是因为有一个名为 Py4j 的库，他们才能够实现这一点。这是一个介绍性教程，涵盖了数据驱动文档的基础知识，并解释了如何处理其各种组件和子组件。

适用人群

本教程是为那些有志从事编程语言和实时处理框架的专业人士准备的。本教程旨在让读者熟悉 PySpark 及其各种模块和子模块的入门。

学习前提

在继续本教程中给出的各种概念之前，假设读者已经知道什么是编程语言和框架。除此之外，如果读者对 Apache Spark、Apache Hadoop、Scala 编程语言、Hadoop 分布式文件系统 (HDFS) 和 Python 有充分的了解，这将非常有帮助。