Merge pull request #196 from keyianpai/master

Update 1.md

docs/1.md

@@ -1,20 +1,24 @@
 # Spark 概述
 
-Apache Spark 是一个快速的，多用途的集群计算系统。它提供了 Java，Scala，Python 和 R 的高级 API，以及一个支持通用的执行图计算的优化过的引擎。它还支持一组丰富的高级工具，包括使用 SQL 处理结构化数据处理的 [Spark SQL](sql-programming-guide.html)，用于机器学习的 [MLlib](ml-guide.html)，用于图计算的 [GraphX](graphx-programming-guide.html)，以及 [Spark Streaming](streaming-programming-guide.html)。
+Apache Spark 是一个快速的，通用的集群计算系统。它对 Java，Scala，Python 和 R 提供了的高层 API，并有一个经优化的支持通用执行图计算的引擎。它还支持一组丰富的高级工具，包括用于 SQL 和结构化数据处理的 [Spark SQL](sql-programming-guide.html)，用于机器学习的 [MLlib](ml-guide.html)，用于图计算的 [GraphX](graphx-programming-guide.html) 和 [Spark Streaming](streaming-programming-guide.html)。
+
+# 安全
+
+默认情况下，Spark中的安全性处于关闭状态。这意味着您默认情况下容易受到攻击。在下载和运行Spark之前，请参阅[Spark Security](https://spark.apache.org/docs/latest/security.html)。
 
 # 下载
 
-从该项目官网的 [下载页面](http://spark.apache.org/downloads.html) 获取 Spark。该文档用于 Spark 2.2.0 版本。Spark 可以通过 Hadoop client 库使用 HDFS 和 YARN。下载一个预编译主流 Hadoop 版本比较麻烦。用户可以下载一个编译好的 Hadoop 版本，并且可以 通过[设置 Spark 的 classpath](hadoop-provided.html) 来与任何的 Hadoop 版本一起运行 Spark。Scala 和 Java 用户可以在他们的工程中通过 Maven 的方式引入 Spark，并且在将来 Python 用户也可以从 PyPI 中安装 Spark。
+从该项目官网的 [下载页面](http://spark.apache.org/downloads.html) 获取 Spark。该文档用于 Spark 2.4.4 版本。Spark 可以通过 Hadoop client 库使用 HDFS 和 YARN。下载一个预编译主流 Hadoop 版本比较麻烦。用户可以下载一个编译好的 Hadoop 版本，并且可以通过[设置 Spark 的 classpath](hadoop-provided.html) 来与任何的 Hadoop 版本一起运行 Spark。Scala 和 Java 用户可以在他们的工程中通过 Maven 的方式引入 Spark，并且在将来 Python 用户也可以从 PyPI 中安装 Spark。
 
 如果您希望从源码中编译一个Spark，请访问 [编译 Spark](building-spark.html)。
 
-Spark 可以在 windows 和 unix 类似的系统（例如，Linux，Mac OS）上运行。它可以很容易的在一台本地机器上运行 -你只需要安装一个 JAVA 环境并配置 PATH 环境变量，或者让 JAVA_HOME 指向你的 JAVA 安装路径
+Spark 可以在 Windows 和类 UNIX 系统（例如，Linux，Mac OS）上运行。它可以很容易的在一台本地机器上运行 ——你只需要安装一个 JAVA 环境并配置 PATH 环境变量，或者让 JAVA_HOME 指向你的 JAVA 安装路径。
 
-Spark 可运行在 Java 8+，Python 2.7+/3.4+ 和 R 3.1+ 的环境上。针对 Scala API，Spark 2.2.0 使用了 Scala 2.11\。您将需要去使用一个可兼容的 Scala 版本（2.11.x）。
+Spark 可运行在 Java 8，Python 2.7+/3.4+ 和 R 3.1+ 的环境上。针对 Scala API，Spark 2.4.4 使用了 Scala 2.12。您需要一个可兼容的 Scala 版本（2.12.x）。
 
 请注意，从 Spark 2.2.0 起，对 Java 7，Python 2.6 和旧的 Hadoop 2.6.5 之前版本的支持均已被删除。
 
-请注意，Scala 2.10 的支持已经不再适用于 Spark 2.1.0，可能会在 Spark 2.3.0 中删除。
+请注意，Scala 2.10 的支持已经在 Spark 2.3.0 中删除。Scala 2.11 的支持已经不再适用于 Spark 2.4.1，并将会在 Spark 3.0 中删除。
 
 # 运行示例和 Shell
 
@@ -30,19 +34,21 @@ Spark 自带了几个示例程序。Scala，Java，Python 和 R 示例在 `examp
 ./bin/spark-shell --master local[2] 
 ```
 
-该 `--master` 选项可以指定为 [针对分布式集群的 master URL](submitting-applications.html#master-urls)，或者 以 `local` 模式 使用 1 个线程在本地运行，`local[N]` 会使用 N 个线程在本地运行。你应该先使用 local 模式进行测试。可以通过 –help 指令来获取 spark-shell 的所有配置项。Spark 同样支持 Python API。在 Python interpreter（解释器）中运行交互式的 Spark，请使用 `bin/pyspark`:
+该 `--master` 选项指定了 [分布式集群的 master URL](submitting-applications.html#master-urls)，或者指定以 `local` 模式使用 1 个线程在本地运行，`local[N]` 会使用 N 个线程在本地运行。你应该先使用 `local` 模式进行测试。可以通过 `--help` 选项来获取 ` spark-shell`  的所有配置项。
+
+Spark 同样支持 Python API。在 Python interpreter（解释器）中运行交互式的 Spark，请使用 `bin/pyspark`:
 
 ```
 ./bin/pyspark --master local[2] 
 ```
 
-Python 中也提供了应用示例。例如，
+Spark 中也提供了 Python 应用示例。例如，
 
 ```
 ./bin/spark-submit examples/src/main/python/pi.py 10 
 ```
 
-从 1.4 开始（仅包含了 DataFrames APIs）Spark 也提供了一个用于实验性的 [R API](sparkr.html)。为了在 R interpreter（解释器）中运行交互式的 Spark，请执行 `bin/sparkR`:
+从 1.4 开始（仅包含了 DataFrames APIs）Spark 也提供了一个实验性的 [R API](sparkr.html)。为了在 R interpreter（解释器）中运行交互式的 Spark，请执行 `bin/sparkR`:
 
 ```
 ./bin/sparkR --master local[2] 
@@ -58,6 +64,42 @@ R 中也提供了应用示例。例如，
 
 该 Spark [集群模式概述](cluster-overview.html) 说明了在集群上运行的主要的概念。Spark 既可以独立运行，也可以在一些现有的 Cluster Manager（集群管理器）上运行。它当前提供了几种用于部署的选项:
 
-*   [Standalone Deploy Mode](spark-standalone.html)：在私有集群上部署 Spark 最简单的方式
-*   [Apache Mesos](running-on-mesos.html)
-*   [Hadoop YARN](running-on-yarn.html)
+* [Standalone Deploy Mode](spark-standalone.html)：在私有集群上部署 Spark 最简单的方式
+
+* [Apache Mesos](running-on-mesos.html)
+
+* [Hadoop YARN](running-on-yarn.html)
+
+* [Kubernetes](https://spark.apache.org/docs/latest/running-on-kubernetes.html)
+
+# 进一步学习链接
+
+**编程指南:**
+
+- [快速入门](https://spark.apache.org/docs/latest/quick-start.html): 对Spark API的快速介绍；从这里开始！ 
+- [RDD 编程指南](https://spark.apache.org/docs/latest/rdd-programming-guide.html): Spark基础知识概述——RDD（核心但旧的API），累加器和广播变量
+- [Spark SQL, Datasets, 和 DataFrames](https://spark.apache.org/docs/latest/sql-programming-guide.html): 使用关系查询（比RDD更新的API）处理结构化数据
+- [Structured Streaming](https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html): 使用关系查询处理结构化的数据流（使用数据集和数据帧，比DStreams更新的API）
+- [Spark Streaming](https://spark.apache.org/docs/latest/streaming-programming-guide.html): 使用DStreams处理数据流（旧API）
+- [MLlib](https://spark.apache.org/docs/latest/ml-guide.html): 运用机器学习算法
+- [GraphX](https://spark.apache.org/docs/latest/graphx-programming-guide.html): 处理图
+
+**API 文档:**
+
+- [Spark Scala API (Scaladoc)](https://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.package)
+- [Spark Java API (Javadoc)](https://spark.apache.org/docs/latest/api/java/index.html)
+- [Spark Python API (Sphinx)](https://spark.apache.org/docs/latest/api/python/index.html)
+- [Spark R API (Roxygen2)](https://spark.apache.org/docs/latest/api/R/index.html)
+- [Spark SQL, Built-in Functions (MkDocs)](https://spark.apache.org/docs/latest/api/sql/index.html)
+
+**部署指南：**
+
+- [集群概述](https://spark.apache.org/docs/latest/cluster-overview.html)：在集群上运行时的概念和组件概述
+- [Submitting Applications](https://spark.apache.org/docs/latest/submitting-applications.html): packaging and deploying applications
+- [提交应用](https://spark.apache.org/docs/latest/submitting-applications.html)：打包和部署应用程序
+- 部署模式：
+  - [Amazon EC2](https://github.com/amplab/spark-ec2): 可让您在5分钟左右的时间内在EC2上启动集群的脚本
+  - [Standalone 部署模式](https://spark.apache.org/docs/latest/spark-standalone.html): 此模式下无需第三方集群管理器即可快速启动独立集群
+  - [Mesos](https://spark.apache.org/docs/latest/running-on-mesos.html): 使用  [Apache Mesos](https://mesos.apache.org/) 部署私有集群
+  - [YARN](https://spark.apache.org/docs/latest/running-on-yarn.html): 在Hadoop NextGen（YARN）之上部署Spark
+  - [Kubernetes](https://spark.apache.org/docs/latest/running-on-kubernetes.html): 在Kubernetes上部署Spark