课程 + 可复现实验

从工作量、
数据移动与
恢复理解计算。

以基础原理为主线的分布式计算课程。先理解与预测，再检查真实 Spark 证据，最后修改实验。

选择合适的入口

初学者只需循环、函数、键值对与基本求和知识；先读复现页，再按 01–07 学习。已经使用计算引擎的读者，可先做每章预测和过关任务，检查计划并复现后再决定跳读。不需要特定业务领域经验。

工作量、槽位、开销与正确性

MapReduce、依赖、阶段与任务

可合并摘要与 Shuffle 证据

广播、重分布与加盐取舍

Lineage、缓存与检查点边界

Spill、任务分布与性能推理

分区合并、对照与独立验收

解释不变量 → 预测通信 → 执行代码 → 检查任务与计划 → 改变一个因素 → 用证据支持结论。每章均有可运行示例、动手任务、结果解释和自测答案。

原创讲解，引用上游论文与官方资料。首版覆盖有界批计算基础，不覆盖高阶分布式算法、多机扩展和生产容量规划。