Apache-Spark介绍快速入门

x33g5p2x  于2020-09-08 发布在 Spark  
字(0.7k)|赞(0)|评价(0)|浏览(485)

1 速度

百倍的运行速度。

Spark使用先进的DAG调度系统,查询优化器与物理执行引擎,实现了批处理与流处理的高性能。

2 简单易用、支持开发语言丰富

df = spark.read.json("logs.json") df.where("age > 21")   .select("name.first").show()

支持的开发语言:Scala、Java、Python、R语言、SQL

3 Spark架构

Spark是大规模数据处理的统一分析引擎。

Spark顶层架构

Spark 保护的主要模块有四部分 Spark SQL,Spark Streaming,MLlib(机器学习),GraphX(图计算)。

  • Spark SQL是处理结构化数据的模块。可以使得开发人员使用SQL语句做数据挖掘。简单、强大。

  • Spark Streaming
    可以轻松构建可扩展的容错流应用程序。可以实时处理数据,是构建实时大数据处理应用核心。

  • MLlib(Machine Learning)是可扩展的机器学习库。聚类、分类等封装好的算法大幅降低机器学习与大数据应用结合的难度。方便、易用,。

  • GraphX(graph)用于图像与图像并行计算。

4 到处运行

使用Spark开发的应用程序,可以在多处运行。
支持Spark应用发布的有:

  • Hadoop(hadoop YARN)
  • Apache Mesos
  • Kubernetes
  • standalone(Spark自身的独立部署模式)

5 多种数据源

支持多中数据源 HDFS, Apache Cassandra, Apache HBase, Apache Hive, 关系型数据库,以及数百个其他数据源。

源码获取 https://github.com/lycheeman/big-data

相关文章

热门文章

更多