於本地端啟用Spark，其實非常簡單！只需要透過簡單的apt-get 指令，快速安裝Java, Scala 等語言後，便可透過預先編譯(pre-build)過的spark 版本開始進入spark的世界。

除了透過IntelliJ IDEA 建立Spark 開發環境外，如果可以像Python 一樣可以透過Jupyter 記錄所有開發內容，那該會有多方便。所幸真的有大神建立ISpark 這樣的解決方案，本教學將教您怎麼一步步的在Ubuntu 14.04 中連結Jupyter 跟 Spark，讓您建立一個簡易好用的開發環境！

繼上次講述如何使用ispark 整合 Jupyter 和 Spark 後，本次將介紹一個更優秀的專案spark-notebook，除了可以使用記事本(notebook)的形式存取Spark 外，更可以透過WISP，使用簡單幾個指令就可以用d3.js 產生svg 圖檔，除做資料分析之餘，更可產生可互動的視覺化的圖表！

用Spark 進行機器學習? 其實非常簡單，只要將資料整理出特徵(Feature) 跟標籤 (Label)，就可以透過MLlib 所提供的眾多演算法快速分類資料。這時電腦就不只會選土豆，更可以預測電信業客戶是否流失！但要分類之前，我們得先把資料整理好！讓我們來看看該怎麼整理出分類演算法可以吃的資料格式吧！

整理完資料後，就可以使用MLlib 提供的決策樹分類資料，全部只要打入神奇的 DecisionTree.train ，就可以建立分類模型，精準預測客戶是否流失！除了預測以外，還可以透由不同的套件計算準確度與AUC，用Spark 分析巨量資料，就是這麼簡單快速！

Spark 在最近釋出的1.4 版中有包入SparkR，讓資料分析語言神器R 與巨量資料新星Spark 可以順利接軌。在RStudio 下的安裝實測，發現安裝步驟相當簡單，使用上跟RHadoop 撰寫MapReduce般雷同。唯探索後其專案測試檔後，發現部分機器學習還是得自行撰寫，除了透過rJava外沒法直接呼叫MLlib，是目前讓人最失望的一塊。