在信息呈指數(shù)級(jí)增長(zhǎng)的世界中，Apache Spark等先進(jìn)工具為我們解決今天面臨的許多相關(guān)問(wèn)題提供了支持。從在基于數(shù)據(jù)驅(qū)動(dòng)的決策中尋找改進(jìn)方法的公司，到解決醫(yī)療、金融、教育和能源問(wèn)題的研究機(jī)構(gòu)，Spark比以往任何時(shí)候都能更快、更可靠地分析更多信息。
人們編寫了各種各樣的書(shū)籍來(lái)學(xué)習(xí)Apache Spark。例如，Spark: The Definitive Guide是一本綜合性的書(shū)籍，Learning Spark是一本介紹性的書(shū)籍，旨在幫助用戶熟悉和運(yùn)行Spark（兩者都由O'Reilly出版）。然而，撰寫本書(shū)時(shí)，既沒(méi)有使用R語(yǔ)言學(xué)習(xí)Apache Spark的書(shū)籍，也沒(méi)有專門為R用戶或潛在的R用戶設(shè)計(jì)的書(shū)籍。
有一些在線資源介紹了用R語(yǔ)言學(xué)習(xí)Apache Spark。最著名的是sparkrstudiocom網(wǎng)站和sparkapacheorg網(wǎng)站上的Spark文檔。這兩個(gè)網(wǎng)站都是很好的在線資源，但是，上面的內(nèi)容并不適合初學(xué)者。它們都假設(shè)讀者對(duì)Apache Spark、R和集群計(jì)算有一定的了解。
這本書(shū)的目的是幫助所有人通過(guò)R使用Apache Spark。另外，由于R編程語(yǔ)言的目的是簡(jiǎn)化數(shù)據(jù)分析，我們相信這本書(shū)也可以為學(xué)習(xí)用Spark解決數(shù)據(jù)分析問(wèn)題提供一條快捷途徑。第1章提供了一個(gè)概述，幫助快速理解這些概念，并介紹了在計(jì)算機(jī)上處理這些問(wèn)題所需的工具。然后，我們會(huì)快速進(jìn)入相關(guān)的數(shù)據(jù)科學(xué)主題、集群計(jì)算和高級(jí)主題，即使是最有經(jīng)驗(yàn)的用戶也會(huì)對(duì)這部分內(nèi)容感興趣。
因此，本書(shū)旨在成為一個(gè)對(duì)廣大用戶有用的資源，從渴望學(xué)習(xí)Apache Spark的初學(xué)者，到希望理解為什么和如何通過(guò)R使用Apache Spark的有經(jīng)驗(yàn)的讀者，都可以從書(shū)中獲益。
本書(shū)的結(jié)構(gòu)如下：
介紹
12Apache SparkRSparkR
分析
在第3章中，你將學(xué)習(xí)如何使用R在Apache Spark中分析、探索、轉(zhuǎn)換和可視化數(shù)據(jù)。
建模
45
規(guī)模化
69Apache Spark
擴(kuò)展
10
高級(jí)技術(shù)
1113R
15SparkSpark
69SparkSparkSpark67
1013Spark

代碼生成的表格的格式如下：
# A tibble: 3 x 2
numbers text

1 1 one
2 2 two
3 3 three
第一行描述表的維度（行數(shù)和列數(shù)），第二行是列名，第三行是列類型。我們?cè)诒緯?shū)中使用的tibble包還提供了各種細(xì)微的視覺(jué)改進(jìn)。
大多數(shù)繪圖都使用ggplot2包和附錄中提供的自定義主題進(jìn)行渲染。但是，由于本書(shū)不關(guān)注數(shù)據(jù)可視化，因此我們只提供基本的繪圖代碼，其可能與實(shí)際中應(yīng)用的格式不匹配。如果你有興趣學(xué)習(xí)R中更多關(guān)于可視化的知識(shí)，可以考慮專門的書(shū)籍，比如R Graphics Cookbook（'Reilly出版社）。
致謝
感謝那些允許通過(guò)R使用Spark程序包的作者：Javier Luraschi、Kevin Kuo、Kevin Ushey和JJ Allaire（sparklyr）；Romain fran鏾is和Hadley Wickham（dbplyr）；Hadley Wickham和Edgar Ruiz（dpblyr）；Kirill Mülller（DBI）；以及Apache Spark項(xiàng)目本身的作者及其最初作者M(jìn)atei Zaharia。
感謝為豐富Spark和R生態(tài)系統(tǒng)而發(fā)布擴(kuò)展程序包的作者：Akhil Nair（crassy）；Harry Zhu（geospark）；Kevin Kuo（graphframes、mleap、sparktf和sparkxgb）；Jakub Hava、Navdeep Gill、Erin LeDell和Michal Malohlava（rsparkling）；Jan Wijffels（sparksas7bdat）；Aki Ariga（sparkavro）；Martin Studer（sparkbq）；Matt Pollock（sparklyrnested）；Nathan Eastwood（sparkts）；Samuel Macêdo（variantspark）。
感謝我們出色的編輯Melissa Potter為我們提供指導(dǎo)、鼓勵(lì)和無(wú)數(shù)小時(shí)的詳細(xì)反饋，這些努力使這本書(shū)成為我們的著作中最好的一本。
感謝Bradley Boehmke、Bryan Adams、Bryan Jonas、Dusty Turner和Hossein Falaki，感謝你們的技術(shù)評(píng)論、付出的時(shí)間和坦率的反饋，并與我們分享專業(yè)知識(shí)。多虧了你們，許多讀者才會(huì)有更愉快的閱讀體驗(yàn)。
感謝RStudio、JJ Allaire和Tareef Kawaf對(duì)這項(xiàng)工作的支持，感謝R社區(qū)的持續(xù)支持和鼓勵(lì)。
Max Kuhn，感謝你對(duì)第4章的寶貴反饋。在他的允許下，我們采用了他的精彩著作Feature Engineering and Selection: A Practical Approach for Predictive Models（CRC出版社）中的例子。
我們也感謝所有間接參與但沒(méi)有在這里明確列出的人們。我們真正站在了巨人的肩膀上。
這本書(shū)在R語(yǔ)言中用Yihui Xie的bookdown、JJ Allaire和Yihui Xie的rmarkdown、Yihui Xie的knitr寫成；用Hadley Wickham和Winston Chang的ggplot2完成可視化；用Daniel Kallin和Javier Luraschi的nomnoml繪制圖表；用John MacFarlane的pandoc進(jìn)行文檔轉(zhuǎn)換。
本書(shū)約定
本書(shū)使用下列排版風(fēng)格：
斜體（Italic）
表示新的術(shù)語(yǔ)、URL、電子郵箱地址、文件名和文件擴(kuò)展名。
等寬字體（Constant width）
表示程序清單以及段落中引用的程序元素，如變量或函數(shù)名、數(shù)據(jù)庫(kù)、數(shù)據(jù)類型、環(huán)境變量、語(yǔ)句和關(guān)鍵字。
等寬粗體（Constant width bold）
表示應(yīng)由用戶輸入的命令或其他文本。
等寬斜體（Constant width italic）
表示應(yīng)該被用戶提供的，或由上下文確定的值替換的文本。
用來(lái)表示注意事項(xiàng)或者建議。
用來(lái)表示一般的注釋。

示例代碼
可以從https://githubcom/r-spark/the-r-in-spark下載補(bǔ)充材料（示例代碼、練習(xí)等）。
這里的代碼是為了幫助你更好地理解本書(shū)的內(nèi)容。通常，可以在程序或文檔中使用本書(shū)中的代碼，而不需要聯(lián)系O扲eilly獲得許可，除非需要大段地復(fù)制代碼。例如，使用本書(shū)中所提供的幾個(gè)代碼片段來(lái)編寫一個(gè)程序不需要得到我們的許可，但銷售或發(fā)布O扲eilly的配套CD-ROM則需要O'Reilly出版社的許可。引用本書(shū)的示例代碼來(lái)回答一個(gè)問(wèn)題也不需要許可，將本書(shū)中的示例代碼的很大一部分放到自己的產(chǎn)品文檔中則需要獲得許可。
非常歡迎讀者使用本書(shū)中的代碼，希望（但不強(qiáng)制）你注明出處。注明出處的形式包含標(biāo)題、作者、出版社和ISBN，例如：
Mastering Spark with R，作者為Javier Luraschi、Kevin Kuo和Edgar Ruiz，由O扲eilly出版，書(shū)號(hào)為978-1-492-04637-0
如果讀者覺(jué)得對(duì)示例代碼的使用超出了上面所給出的許可范圍，歡迎通過(guò)permission@oreillycom聯(lián)系我們。
O'Reilly在線學(xué)習(xí)平臺(tái)（O'Reilly Online Learning）
近40年來(lái)，O'Reilly Media致力于提供技術(shù)和商業(yè)培訓(xùn)、知識(shí)和卓越見(jiàn)解，來(lái)幫助眾多公司取得成功。
我們擁有獨(dú)一無(wú)二的專家和革新者組成的龐大網(wǎng)絡(luò)，他們通過(guò)圖書(shū)、文章、會(huì)議和我們的在線學(xué)習(xí)平臺(tái)分享他們的知識(shí)和經(jīng)驗(yàn)。O'Reilly的在線學(xué)習(xí)平臺(tái)允許你按需訪問(wèn)現(xiàn)場(chǎng)培訓(xùn)課程、深入的學(xué)習(xí)路徑、交互式編程環(huán)境，以及O扲eilly和200多家其他出版商提供的大量文本和視頻資源。有關(guān)的更多信息，請(qǐng)?jiān)L問(wèn)http://oreillycom。
如何聯(lián)系我們
對(duì)于本書(shū)，如果有任何意見(jiàn)或疑問(wèn)，請(qǐng)按照以下地址聯(lián)系本書(shū)出版商。
美國(guó)：
O'Reilly Media，Inc
1005 Gravenstein Highway North
Sebastopol，CA 95472
中國(guó)：
北京市西城區(qū)西直門南大街2號(hào)成銘大廈C座807室（100035）
奧萊利技術(shù)咨詢（北京）有限公司
要詢問(wèn)技術(shù)問(wèn)題或?qū)Ρ緯?shū)提出建議，請(qǐng)發(fā)送電子郵件至bookquestions@oreillycom。
本書(shū)配套網(wǎng)站https://oreilly/SparkwithR上列出了勘誤表、示例以及其他信息。
關(guān)于書(shū)籍、課程、會(huì)議和新聞的更多信息，請(qǐng)?jiān)L問(wèn)我們的網(wǎng)站http://wwworeillycom。
我們?cè)贔acebook上的地址：http://facebookcom/oreilly
我們?cè)赥witter上的地址：http://twittercom/oreillymedia
我們?cè)赮ouTube上的地址：http://wwwyoutubecom/oreillymedia