在信息呈指數級增長的世界中，Apache Spark等先進工具為我們解決今天面臨的許多相關問題提供了支持。從在基于數據驅動的決策中尋找改進方法的公司，到解決醫(yī)療、金融、教育和能源問題的研究機構，Spark比以往任何時候都能更快、更可靠地分析更多信息。
人們編寫了各種各樣的書籍來學習Apache Spark。例如，Spark: The Definitive Guide是一本綜合性的書籍，Learning Spark是一本介紹性的書籍，旨在幫助用戶熟悉和運行Spark（兩者都由O'Reilly出版）。然而，撰寫本書時，既沒有使用R語言學習Apache Spark的書籍，也沒有專門為R用戶或潛在的R用戶設計的書籍。
有一些在線資源介紹了用R語言學習Apache Spark。最著名的是sparkrstudiocom網站和sparkapacheorg網站上的Spark文檔。這兩個網站都是很好的在線資源，但是，上面的內容并不適合初學者。它們都假設讀者對Apache Spark、R和集群計算有一定的了解。
這本書的目的是幫助所有人通過R使用Apache Spark。另外，由于R編程語言的目的是簡化數據分析，我們相信這本書也可以為學習用Spark解決數據分析問題提供一條快捷途徑。第1章提供了一個概述，幫助快速理解這些概念，并介紹了在計算機上處理這些問題所需的工具。然后，我們會快速進入相關的數據科學主題、集群計算和高級主題，即使是最有經驗的用戶也會對這部分內容感興趣。
因此，本書旨在成為一個對廣大用戶有用的資源，從渴望學習Apache Spark的初學者，到希望理解為什么和如何通過R使用Apache Spark的有經驗的讀者，都可以從書中獲益。
本書的結構如下：
介紹
12Apache SparkRSparkR
分析
在第3章中，你將學習如何使用R在Apache Spark中分析、探索、轉換和可視化數據。
建模
45
規(guī)�；�
69Apache Spark
擴展
10
高級技術
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（行數和列數），第二行是列名，第三行是列類型。我們在本書中使用的tibble包還提供了各種細微的視覺改進。
大多數繪圖都使用ggplot2包和附錄中提供的自定義主題進行渲染。但是，由于本書不關注數據可視化，因此我們只提供基本的繪圖代碼，其可能與實際中應用的格式不匹配。如果你有興趣學習R中更多關于可視化的知識，可以考慮專門的書籍，比如R Graphics Cookbook（'Reilly出版社）。
致謝
感謝那些允許通過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項目本身的作者及其最初作者Matei Zaharia。
感謝為豐富Spark和R生態(tài)系統而發(fā)布擴展程序包的作者：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、鼓勵和無數小時的詳細反饋，這些努力使這本書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，感謝你們的技術評論、付出的時間和坦率的反饋，并與我們分享專業(yè)知識。多虧了你們，許多讀者才會有更愉快的閱讀體驗。
感謝RStudio、JJ Allaire和Tareef Kawaf對這項工作的支持，感謝R社區(qū)的持續(xù)支持和鼓勵。
Max Kuhn，感謝你對第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。
這本書在R語言中用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進行文檔轉換。
本書約定
本書使用下列排版風格：
斜體（Italic）
表示新的術語、URL、電子郵箱地址、文件名和文件擴展名。
等寬字體（Constant width）
表示程序清單以及段落中引用的程序元素，如變量或函數名、數據庫、數據類型、環(huán)境變量、語句和關鍵字。
等寬粗體（Constant width bold）
表示應由用戶輸入的命令或其他文本。
等寬斜體（Constant width italic）
表示應該被用戶提供的，或由上下文確定的值替換的文本。
用來表示注意事項或者建議。
用來表示一般的注釋。

示例代碼
可以從https://githubcom/r-spark/the-r-in-spark下載補充材料（示例代碼、練習等）。
這里的代碼是為了幫助你更好地理解本書的內容。通常，可以在程序或文檔中使用本書中的代碼，而不需要聯系O扲eilly獲得許可，除非需要大段地復制代碼。例如，使用本書中所提供的幾個代碼片段來編寫一個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。引用本書的示例代碼來回答一個問題也不需要許可，將本書中的示例代碼的很大一部分放到自己的產品文檔中則需要獲得許可。
非常歡迎讀者使用本書中的代碼，希望（但不強制）你注明出處。注明出處的形式包含標題、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，書號為978-1-492-04637-0
如果讀者覺得對示例代碼的使用超出了上面所給出的許可范圍，歡迎通過permission@oreillycom聯系我們。
O'Reilly在線學習平臺（O'Reilly Online Learning）
近40年來，O'Reilly Media致力于提供技術和商業(yè)培訓、知識和卓越見解，來幫助眾多公司取得成功。
我們擁有獨一無二的專家和革新者組成的龐大網絡，他們通過圖書、文章、會議和我們的在線學習平臺分享他們的知識和經驗。O'Reilly的在線學習平臺允許你按需訪問現場培訓課程、深入的學習路徑、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。有關的更多信息，請訪問http://oreillycom。
如何聯系我們
對于本書，如果有任何意見或疑問，請按照以下地址聯系本書出版商。
美國：
O'Reilly Media，Inc
1005 Gravenstein Highway North
Sebastopol，CA 95472
中國：
北京市西城區(qū)西直門南大街2號成銘大廈C座807室（100035）
奧萊利技術咨詢（北京）有限公司
要詢問技術問題或對本書提出建議，請發(fā)送電子郵件至bookquestions@oreillycom。
本書配套網站https://oreilly/SparkwithR上列出了勘誤表、示例以及其他信息。
關于書籍、課程、會議和新聞的更多信息，請訪問我們的網站http://wwworeillycom。
我們在Facebook上的地址：http://facebookcom/oreilly
我們在Twitter上的地址：http://twittercom/oreillymedia
我們在YouTube上的地址：http://wwwyoutubecom/oreillymedia