前言 在大数据开发中，大数据处理是其中十分关键、必不可少的一环。Spark是主流的通用大数据处理平台，因此，要学习大数据开发，必然要学习Spark。 近年来，作者在大数据教学上，尤其是在Spark技术的应用和推广上进行了一系列有益的尝试。 ● 在全国较早地开设了云计算及大数据相关课程。 ● 在全国较早地对本科生开展了系统、深入的Spark编程训练。 ● 主讲的Spark实战视频课程在51CTO学院长期排名大数据（Spark分类）课程的年销量第一。 ● 作者指导3支Spark零基础本科生团队参加了3届全国性Spark编程比赛（第二届、第三届和第四届全国高校云计算应用创新大赛技能赛），在同多支985/211高校的参赛队角逐中，我们的本科生队战胜了多支研究生队，共获得全国总决赛二等奖两次，三等奖一次。 ● 此外，编者指导的云计算和大数据作品，参加国家级科技创新竞赛，共获得全国特等奖一次，一等奖两次。 在此期间，编者接触并培养了大量的零基础Spark学习者，总结出Spark初学者的四个共性问题。 ● 内容繁杂，理不清头绪：Spark的学习内容太多，哪些是必须学的？先学哪个？后学哪个？漫无目的地学，只会导致事倍功半。 ● 基础不够：Spark开发需要大量的前置知识，例如虚拟机、Linux命令、网络基础、分布式系统基础和编程语言等，很多都是理论和实践结合在一起的，有一个问题搞不定，就会卡住进行不下去。 ● Scala难以学习：Scala语法晦涩难懂，读Spark的Scala API，明明很简单的函数，却看起来像天书。 ● 无法动手：看了大量的Spark编程书籍，明白了Spark的技术原理，但是无法将自己的想法实现成Spark程序，更不用说利用Spark特性进行优化了。 为此，编者编写了这本《Spark大数据编程实用教程》，力图能够帮助Spark初学者快速掌握Spark编程技能，少走弯…