作者：李呈祥，花名司麟 ，阿里雲智能EMR團隊高級技術專家，Apache Hive Committer， Apache Flink Committer，目前主要專注於EMR產品中開源計算引擎的優化工作。
Spark社區在Spark Packages網站中索引了許多第三方庫，這些第三方庫由不同的開發者貢獻，作爲Spark生態圈的一部分，擴充了Spark的使用範圍和使用場景，其中很多對於我們日常的使用可能有幫助，我們準備開啓一個系列文章介紹Spark Packages中一些有意思的第三方庫，作爲系列的第一篇，本文主要介紹Optimus，一個基於PySpark的簡單易用的數據準備工具。
本文的部分內容源自Optimus官網和相關介紹文章，原文鏈接參考文末引用部分。
在Spark（Pyspark）的支持下，Optimus允許用戶使用自己的或一組