本书基础理论、应用开发以及实际案例相结合, 围绕Hadoop、Spark生态圈循序渐进介绍关于大数据技术领域中的基础知识、应用开发技术和基于Spark的常见机器学习算法, 最后以两个实战案例全面、系统地应用了本书介绍的基础知识和应用开发方法。全书共14章, 分别为大数据概述、Hadoop简介及安装部署、HDFS分布式文件系统、MapReduce计算框架、Hive数据仓库、HBase分布式数据库、Spark基础、Spark RDD弹性分布式数据集、Spark SQL、Spark Streaming实时计算框架、Spark Streaming与Flume、Kafka的整合、Spark MLlib机器学习、实战案例-分布式优惠券后台应用系统、实战案例-新闻话题实时统计分析, 书中的每个知识点都有相应的实现代码和实例。