Herding Cats

John Cavanaugh在Spark Summit 2017上的演讲《Herding Cats》虽然没有直接关联到阿里云的具体产品文档或下载链接，但考虑到Spark在大数据处理和分析领域的广泛应用，以及它与阿里云产品的紧密集成，我们可以从几个角度来探讨这一话题与阿里云服务的关联。

Spark是Apache软件基金会下的一个开源大数据处理框架，以其速度快、易用性高和通用性强等特点，在数据处理、机器学习、图形计算等多个领域有着广泛的应用。阿里云作为全球领先的云计算服务提供商，提供了丰富的服务来支持基于Spark的大数据处理和分析工作负载，这些服务包括但不限于：

1. E-MapReduce (EMR)：阿里云的E-MapReduce服务是一个基于Hadoop和Spark的大数据处理平台，它预装并优化了多种开源大数据组件，如Hive、HBase、Flink等，为用户提供了一站式的大数据处理解决方案。用户可以轻松部署和管理Spark集群，进行大规模数据处理和分析任务。

2. MaxCompute（原名ODPS）：虽然MaxCompute本身不是基于Spark构建，但它是一个面向大数据的分布式计算平台，能够提供海量数据存储和高性能计算能力，常用于PB级数据仓库、复杂数据分析和机器学习场景。用户可以在MaxCompute中使用SQL、MapReduce、或者通过Spark作业等方式进行数据处理。

3. DataWorks：这是一个云端的一体化大数据开发平台，集成了数据集成、数据开发、数据地图、数据质量和数据服务等功能。在DataWorks中，用户可以直接调度Spark作业，实现数据处理流程的自动化，同时利用其强大的项目管理和协作功能，提高团队效率。

4. PAI (Platform of Artificial Intelligence)：阿里云的机器学习平台PAI提供了丰富的机器学习算法和模型，支持基于Spark MLlib的分布式机器学习任务，方便用户在云端进行大规模机器学习训练和模型部署。

回到John Cavanaugh的演讲《Herding Cats》，虽然具体演讲内容未提及，但从题目推测，可能涉及到了如何有效管理和优化复杂的Spark集群环境，解决资源分配、任务调度、性能调优等方面的挑战。这些主题与阿里云上述服务的理念不谋而合，即通过提供高效、易用的工具和服务，帮助用户更好地管理和利用Spark技术，应对大数据处理中的“猫群”难题。

对于希望深入了解或实践Spark相关技术，并结合阿里云服务的用户，可以通过访问阿里云官网、阅读官方文档、参与社区讨论或参加阿里云举办的各类技术培训和研讨会，获取更多实用信息和技术支持。