Data Algorithms - PySpark 3.5 重写

将《Data Algorithms》(Mahmoud Parsian 著) 一书中的 Java/Scala 算法全部转换为 Python/PySpark 3.5 实现，位于 spark-data-algorithms/ 目录。

共覆盖 17 个章节：

章节	算法	路径
第1章	二次排序 (Secondary Sort)	src/chap01/
第3章	Top-N 算法	src/chap03/
第4章	左外连接 (Left Outer Join)	src/chap04/
第5章	相对频率 (Relative Frequency)	src/chap05/
第6章	移动平均 (Moving Average)	src/chap06/
第7章	关联规则 (Association Rules)	src/chap07/
第8章	共同好友 (Common Friends)	src/chap08/
第9章	好友推荐 (Friend Recommendation)	src/chap09/
第10章	电影推荐 (Movie Recommendations)	src/chap10/
第11章	马尔可夫链 (Markov Chain)	src/chap11/
第12章	KMeans 聚类	src/chap12/
第13章	K近邻分类 (kNN)	src/chap13/
第16章	三角形计数 (Count Triangles)	src/chap16/
第17章	K-mer 计数	src/chap17/
第24章	DNA 碱基计数	src/chap24/
第26章	基因聚合 (Gene Aggregation)	src/chap26/
第28章	均值单子化 (Mean Monoidized)	src/chap28/

快速开始

cd spark-data-algorithms

# 安装依赖
uv sync

# 运行任意章节
uv run python src/chap01/secondary_sort.py

环境要求

• Python 3.11+
• PySpark 3.5.8
• Java 8 或 Java 11
• uv

项目结构

spark-data-algorithms/
├── pyproject.toml
├── data/                   # 各章示例数据
├── src/                    # 各章 PySpark 实现
└── README.md

原始 Java/Scala 代码保留在 src/main/，原始 README 已移至 README.original.md。