资源名称：spark graphX实战 中文完整pdf 第1部分　Spark和图１　两项重要的技术：Spark和图 31.1　Spark：超越Hadoop MapReduce 41.1.1　模糊的大数据定义 61.1.2　Hadoop：Spark之前的世界 61.1.3　Spark：内存中的 MapReduce处理 71.2　图：挖掘关系中的含义 91.2.1　图的应用 111.2.2　图数据的类型 121.2.3　普通的关系型数据库在图方面的不足 141.3　把快如闪电的图处理放到一起：Spark GraphX 141.3.1　图的属性：增加丰富性 151.3.2　图的分区：当图变为大数据集时 171.3.3　GraphX允许选择：图并行还是数据并行 191.3.4　GraphX支持的各种数据处理方式 191.3.5　GraphX与其他图系统 211.3.6　图存储：分布式文件存储与图数据库 231.4　小结 232　GraphX快速入门 242.1　准备开始并准备数据 242.2　用Spark Shell做GraphX交互式查询 262.3　PageRank算法示例 292.4　小结 313　基础知识 323.1　Scala—Spark的原生编程语言 333.1.1　Scala的理念：简洁和表现力 333.1.2　函数式编程 343.1.3　类型推断 383.1.4　类的声明 393.1.5　map和 reduce 413.1.6　一切皆是“函数” 423.1.7　与 Java的互操作性 443.2　Spark 443.2.1　分布式内存数据： RDD 443.2.2　延迟求值 473.2.3　集群要求和术语解释 493.2.4　序列化 503.2.5　常用的 RDD操作 503.2.6　Spark和 SBT初步 543.3　图术语解释 553.3.1　基础 553.3.2　RDF图和属性图 583.3.3　邻接矩阵 593.3.4　图查询系统 593.4　小结 60第2部分　连接顶点４　GraphX 基础 654.1　顶点对象与边对象 654.2　mapping操作 714.2.1　简单的图转换 714.2.2　Map/Reduce 734.2.3　迭代的 Map/Reduce 774.3　序列化/反序列化 794.3.1　读 /写二进制格式的数据 794.3.2　JSON格式 814.3.3　Gephi可视化软件的 GEXF格式 854.4　图生成 864.4.1　确定的图 864.4.2　随机图 884.5　Pregel API 904.6　小结 965　内置图算法 975.1　找出重要的图节点：网页排名 98 ............ 资源截图：