【Spark Summit East 2017】不必犹豫，使用Spark 2.0结构化流
本讲义出自Michael Armbrust在Spark Summit East 2017上的演讲，在Spark 2.0中，引入了结构化的流，它允许用户不断地、增量地随着数据的增加而改变对于世界的看法，并且Spark 2.0仍然保持了Spark SQL的相同性，Michael Armbrust主要分享了他们在这之后，在在健壮性、延迟、表现力和可观察性所取得的进展。
数据科学与DevOps之间的差距还有救吗？
文章讲的是数据科学与DevOps之间的差距还有救吗，Packt的Skill Up 2016年调查报告显示，数据科学和DevOps是广大程序员的新宠。JavaScript和Python是数据科学家最常用的基本编程语言也是最受欢迎的，而DevOps则成为未来最大的趋势。
详细解读Spark的数据分析引擎：Spark SQL
欢迎关注大数据和人工智能技术文章发布的微信公众号：清研学堂，在这里你可以学到夜白（作者笔名）精心整理的笔记，让我们每天进步一点点，让优秀成为一种习惯！
一、spark SQL:类似于Hive，是一种数据分析引擎
什么是spark SQL？
spark SQL只能处理结构化数据
底层依赖RDD，...
