Spark总结

Gvemis⁹

已于 2025-04-27 17:03:09 修改

阅读量904

点赞数 16

文章标签： spark 大数据分布式

于 2025-04-27 17:00:43 首次发布

本文链接：https://blog.csdn.net/2302_80567373/article/details/147561208

版权

概念：

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

Spark

Spark 是一种由 Scala 语言开发的快速、通用、可扩展的大数据分析引擎

Spark Core 中提供了 Spark 最基础与最核心的功能

Spark SQL 是 Spark 用来操作结构化数据的组件。通过 Spark SQL，用户可以使用SQL 或者 Apache Hive 版本的 SQL 方言（HQL）来查询数据。

Spark Streaming 是 Spark 平台上针对实时数据进行流式计算的组件，提供了丰富的处理数据流的 API

Spark核心模块

（一）Spark Core

Spark Core 是 Spark 的基础核心，除了提供任务调度、内存管理、数据分发等基本功能外，还包含了 RDD 的核心实现。它是整个 Spark 生态系统的基石，其他组件如 Spark SQL、Spark Streaming 等都是基于 Spark Core 构建的。Spark Core 支持在不同的集群资源管理器上运行，具备良好的扩展性和兼容性，能够满足各种规模的大数据处理任务需求

（二）Spark SQL

Spark SQL 主要用于处理结构化数据，支持标准的 SQL 查询语法以及基于 DataFrame 和 Dataset 的编程接口。它可以将 SQL 查询转换为底层的 RDD 操作进行执行，同时支持与 Hive 的元数据交互，能够读写 Hive 表数据，实现 Hive 与 Spark 的无缝集成

Spark SQL 具备强大的查询优化能力，通过 Catalyst 优化器对 SQL 语句进行语法分析、逻辑优化和物理优化，生成高效的执行计划。此外，它还支持多种数据源，包括 JSON、CSV、Parquet 格式的数据文件，以及关系型数据库，方便用户从不同数据源读取和写入结构化数据

（三）Spark Streaming

Spark Streaming 是 Spark 的实时流处理组件，采用离散化流（Discretized Stream，DStream）的抽象概念，将连续的流数据分割成一个个小的批次（batch）进行处理，每个批次数据可看作一个 RDD。虽然 Spark Streaming 处理的是流数据，但本质上仍然基于 Spark Core 的批处理机制，这种设计使得 Spark Streaming 能够利用 Spark 的诸多优化技术和生态组件。

在实际应用中，Spark Streaming 可以对接多种数据源，如 Kafka、Flume 等，实时接收数据并进行处理。支持的操作包括窗口操作（如滑动窗口计算）、状态操作（如维护聚合状态）等，广泛应用于实时监控、实时日志分析、实时推荐等领域