背景知识查阅

PySpark Documentation: https://spark.apache.org/docs/latest/api/python/index.html Beginner Tutorial: https://www.datacamp.com/community/tutorials/apache-spark-python Tutorial Example: https://github.com/apache/spark/blob/master/examples/src/main/scala/org/apache/spark/examples/ml/RandomForestClassifierExample.scala#L47 项目实例：https://zhuanlan.zhihu.com/p/52753778     学习建议： 我会把分布式计算的基础理论知识掌握好，把Java等语言掌握好。对于Hadoop，Spark，Flink等等，我只要知道它的原理（看它诞生的论文），知道它有什么用，适合用在什么场景，有什么优缺点，跑几个类HelloWorld程序等等，而不是花很多时间去学API。还有建立起整个大数据的知识框架（大数据基础理论，系统体系结构，存储，计算处理等等）

作者：Jack
链接：https://www.zhihu.com/question/56855021/answer/153480746
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。