本书介绍了Spark 3. 4. 0 生态核心组件，并涵盖了Hadoop3、HBase、Zookeeper、MySQL 等关联技术，构建了完整的大数据技术知识体系。全书共9 章，内容从大数据技术概述切入，逐步深入到Spark 大数据处理框架搭建、PySpark RDD 操作、PySpark DataFrame 应用、Spark SQL 与MySQL 的读写交互、Pandas API on Spark 的实践方法，以及基于DataFrame 的Spark MLlib 机器学习库使用；同时，详解了Structured Streaming 的工作原理、编程模型、状态管理与容错机制，并介绍了基于PySpark 操作HBase 数据库的实现方式，形成了由浅入深的知识脉络。

为强化实践应用，书中设计了8 个综合实例，包括英文词频统计、Spark SQL 与MySQL 的交互实践、基于pyspark. pandas 的数据处理分析、利用BisectingKMeans 算法进行文档聚类、基于用户协同过滤的电影推荐系统、Structured Streaming 流式数据处理、HBase 数据库读写操作及PySpark 地理空间数据处理，全面覆盖核心技术的实战场景。

本书兼具理论系统性与实践指导性，既可作为计算机科学与技术、数据科学与大数据技术、数据计算及应用、统计学、软件工程、人工智能、金融数学等专业的大数据课程教材，也能为大数据开发工程师、科研工作者等提供实用的技术参考，助力快速掌握Spark 生态及相关技术的应用要点。