Apache Spark: Cloud and On-Prem

虽然我无法直接访问外部链接或提供特定下载内容的详情，但根据您提供的信息，Arun C. Murthy在2017年Spark Summit上的分享《Apache Spark: Cloud and On-Prem》很可能聚焦于Apache Spark在云环境和本地部署（on-premises）中的应用、优势、挑战以及最佳实践。考虑到阿里云的产品与服务，以下几点可能是与该主题相关且对用户有帮助的信息：

1. 阿里云E-MapReduce (EMR)：阿里云提供了E-MapReduce服务，它是一个基于Hadoop和Spark的大数据处理分析平台，支持云上快速部署和管理Hadoop、Spark、HBase、Hive等开源大数据组件。对于想要利用Spark进行数据分析、机器学习的企业和个人开发者来说，EMR提供了一个无缝集成云存储（如OSS）、高性能计算资源（如ECS）的解决方案。

2. 云与本地部署的灵活性：Arun的分享可能涉及如何在云环境和本地环境中灵活运用Spark。阿里云EMR不仅支持完全在云端运行大数据作业，也能够通过VPC等技术与企业内部系统集成，实现混合云架构，即数据可以在云上处理，也可以在本地处理，满足不同企业的合规性和数据安全需求。

3. 成本效益与弹性扩展：云环境下的Spark应用可以充分利用阿里云的弹性计算能力，按需扩展资源，有效控制成本。相较于本地部署，云上运行Spark作业可以更快地响应业务变化，无需前期大量硬件投资。

4. 实践案例与行业应用：虽然我无法直接获取演讲的具体内容，但通常这类分享会包含Apache Spark在不同行业的应用案例，比如金融、电商、医疗健康等领域的数据分析、实时流处理、机器学习模型训练等。阿里云官网和阿里云社区也会分享许多关于如何使用EMR及Spark解决实际问题的客户案例和最佳实践指南。

5. 安全性与合规性：在讨论云和本地部署时，数据安全和合规性是重要议题。阿里云提供了多种安全服务和功能来保护数据，包括但不限于数据加密、访问控制、安全审计等，确保企业在使用Spark处理敏感数据时符合行业标准和法律法规要求。

如果您对如何在阿里云上使用Apache Spark有具体的技术问题或需要进一步了解相关产品和服务，请随时提问。