1.认识Spark
Spark是一种基于内存的快速、通用、可扩展的大数据分析计算引擎。
2.Spark与Hadoop MapReduce的对比
Spark基于内存,中间数据存放于内存中。
Hadoop MapReduce基于磁盘,中间数据存放于HDFS中。
3.结构化数据和非结构化数据
结构化数据:即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据。
非结构化数据:不方便用数据库二维逻辑表来表现的数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。
4.Spark的应用场景
1.Spark是基于内存的迭代计算框架,适用于需要多次操作特定数据集的应用场合。
2.由于RDD的特性,Spark不适用那种异步细粒度更新状态的应用。
3.数据量不是特别大,但是要求实时统计分析需求。
例如腾讯,雅虎,阿里巴巴都在使用Spark。