大数据系列之并行计算引擎Spark介绍

最新推荐文章于 2023-04-12 15:01:28 发布

大数据和云计算

最新推荐文章于 2023-04-12 15:01:28 发布

阅读量567

点赞数

分类专栏：大数据 python 数据分析 it资讯前端 java 文章标签：大数据程序员编程语言 hadoop

本文链接：https://blog.csdn.net/dagiai/article/details/90321213

版权

Apache Spark 是一种快速、通用且可扩展的计算系统，尤其适合数据挖掘和机器学习等迭代算法。相较于Hadoop MapReduce，Spark提供内存计算以提升速度，并支持多种编程语言，包括Scala、Java、Python和R。Spark还包含丰富的库，如SQL、MLlib、GraphX和Spark Streaming，可在Hadoop、Mesos或独立集群上运行。Spark Streaming通过小批量处理实现流数据的实时计算。

摘要由CSDN通过智能技术生成

Spark:

Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。

Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架，Spark，拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。

Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。

尽管创建 Spark 是为了支持分布式数据集上的迭代作业，但是实际上它是对 Hadoop 的补充，可以在 Hadoop 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。Spark 由加州大学伯克利分校 AMP 实验室 (Algorithms, Machines, and People Lab) 开发，可用来构建大型的、低延迟的数据分析应用程序。

Spark的性能特点：

1.更快的速度：内存计算下，Spark 比 Hadoop 快100倍。

内存计算引擎，提供Cache机制来支持需要反复迭代计算或者多次数据共享，减少数据读取的I/O开销

DAG引擎，减少多次计算之间中间结果写到HDFS的开销;

使用多线程池模型来减少task启动开销，shuffle过程中避免不必要的sort操作已经减少磁盘I/O操作;

2.易用性：

Spark 提供了80多个高级运算符。

提供了丰富的API，支持JAVA,Scala,Python和R四种语言;

代码量比MapReduce少2~5倍;

3.通用性：Spark 提供了大量的库，包括SQL、DataFrames、MLlib、GraphX、Spark Streaming。开发者可以在同一个应用程序中无缝组合使用这些库。

4.支持多种资源管理器：Spark 支持 Hadoop YARN，Apache Mesos，及其自带的独立集群管理器

在这里我还是要推荐下我自己建的大数据学习交流qq裙：522189307 ，裙里都是学大数据开发的，如果你正在学习大数据，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有大数据开发相关的），包括我自己整理的一份最新的大数据进阶资料和高级开发教程，欢迎进阶中和进想深入大数据的小伙伴。上述资料加群可以领取

Spark基本原理：

Spark Streaming：构建在Spark上处理Stream数据的框架，基本的原理是将Stream数据分成小的时间片断(几秒)，以类似batch批量