Apache Spark是用Scala編程語言編寫的.為了用Spark支持Python，Apache Spark社區發布了一個工具PySpark.使用PySpark，您也可以使用Python編程語言處理RDD.正是由于一個名為Py4j的庫，他們才能實現這一目標.這是一個介紹性教程，涵蓋了數據驅動文檔的基礎知識，并解釋了如何處理其各種組件和子組件.
本教程是為那些有志于從事編程語言和實時處理框架的專業人士準備的.本教程旨在讓讀者熟悉PySpark及其各種模塊和子模塊.
在繼續各種模塊和子模塊之前在本教程中給出的概念，假設讀者已經知道編程語言和框架是什么.除此之外，如果讀者熟悉Apache Spark，Apache Hadoop，Scala編程語言，Hadoop分布式文件系統(HDFS)和Python，將會非常有用.
