本书共分 3 部分，主要介绍如何使用 Python 语言来处理大型数据集。第 1 部分介绍 map 和reduce 的编程风格，以及 Python 中基础的 map 和 reduce 函数，并介绍如何将对象持久化，通过惰性函数和并行函数来加快大型数据集的处理速度。第 2 部分介绍 Hadoop 和 Spark 框架，如何使用 mrjob 库来编写 Hadoop 作业，跟读者一起来实现一个 PageRank 算法，以及如何使用 Spark来实现决策树和随机森林的机器学习模型。第 3 部分重点介绍云计算和云存储的基础知识，包括如何通过 boto3 的 Python 库将文件上传到 AWS S3 服务，以及如何在 AWS 的 EMR 集群中运行分布式的 Hadoop 和 Spark 作业。