怎么使用spark实现并行化的logistic回归，并行化体现在哪里？如果用mapreduce的话需要自己写map和reduce，但是spark怎么弄呢？spark的map和reduce和一般的map、reduce有什么关系吗？怎么理解？

最近在学习用spark做数据处理（之前一直用的是hadoop实在太难用），但是实在是没有找到十分满意的学习资料。看了几章《fast data processing with spark》，可能是代码更新速度太快，书里面的代码到现在很多都不能用了，而且解释也太过简陋让人看得云里雾里，想问大牛们通过哪些渠道可以迅速系统地学习spark呢？

准备初次接触这个，该怎么学习spark，求建议准备完成 基于spark的分类算法的设计与研究 这个毕设 之前不了解数据挖掘 不了解spark 难度高么 求大神们的指点

号称 “不仅在性能上全面超越了美国Hadoop平台主导的第一代大数据操作系统，更是填补了我国大数据产业缺乏操作系统的空白，成为全球首个第二代大数据操作系统，这也意味着中国将从数据大国走向数据强国”，请相关专业人士分析一下。- 第二代大数据操作系统在中国首发上市– 海绵数据推出第二代大数据操作系统– 海绵大数据 Sponge

基于云计算的大数据平台基础设施建设实践

因为本人刚刚大学，而且是在自学大数据，就业方面也是在几年后，可是初学总是不知道如何学习，很多人说学习hadoop还有的说spark都学什么的，我也不太能理解大数据架构这个概念，因为还年轻希望能接触有挑战性的技术。

已知在hdfs某目录下(如hdfs://tmp/englishnovels)有上百部英文小说(txt后缀)，想把小说的名字都读取出来，实现遍历。请赐教！

我有个疑惑，spark网上说法是用于大数据量处理（可以很轻易的做水平拓展），我感觉用 spark 的框架开发其实也有一定的范式上的简易性。 那么如果说业务开始数据量不是很大的流式任务（或者其他业务）用 spark 合适吗？（有没有杀鸡用牛刀这种问题，造成资源浪费？）