亞歷克斯·科茲洛夫

這是一本關於機器學習的書，它以Scala為重點，介紹了函數式編程方法以及如何在Spark上處理大數據。本書后面將介紹關於Hadoop的內容。最初它能在廉價硬件上處理大量的信息，因為當時傳統的關系數據庫不能處理這樣的信息（或能處理，但是代價過高）。大數據這個話題太大了，而Spark才是本書的重點，它是Hadoop MapReduce的另一個實現，Spark提高了磁盤上持久化保存數據的效率。通常認為使用Spark有點貴，因為它消耗更多的內存，要求硬件必須更可靠，但它也更具交互性。此外，Spark使用Scala工作（也可以使用Java和Python等），但Scala是主要的API語言。因此Spark用Scala在數據管道的表達方面有一定的協同性。