自从apachespark1.3以来，Spark及其api已经得到了发展，使它们变得更简单、更快、更智能。我们的目标是在Spark 2.0及更高版本中统一概念，以便大数据开发人员能够高效地工作，并且能够处理的概念更少。它构建在Spark SQL引擎之上，使用Catalyst optimizer和整个阶段的代码生成，帮助开发人员了解如何使用这些API，并采用数据存储、文件格式和查询优化的最佳实践来编写Spark应用程序。在都柏林的Spark峰会上，我们将介绍Spark API是如何演变的、吸取的经验教训以及如何优化和优化Spark应用程序以实现机器学习、ETL和数据仓库的最佳实践。以下是我们的谈话：三个apachespark api的故事：rdd、数据帧和数据集经验教训：将最佳实践应用于apachespark应用程序你为什么要参加这些会议？如果您是一名数据科学家、数据分析师或数据工程师，希望了解三个Spark API中的哪一个，以及何时使用或构建优化和优化的Spark应用程序，请参加我们的讲座。如果您还没有，请立即注册参加欧盟Spark峰会，并使用Databricks代码享受15%的折扣。在都柏林见！免费试用Databricks。今天就开始吧