本文探讨了Spark生态圈的组件，包括Spark Core、Spark SQL、MLLib、GraphX、Spark Streaming和Spark Structured Streaming，强调其在离线、实时计算、图形处理和机器学习领域的广泛应用。此外，还阐述了Spark的强适应性，能够处理多种数据源，并可在不同资源管理器上运行。最后，对比了Spark与Hadoop的区别，突出Spark的DAG执行引擎带来的性能优势。
Spark生态圈架构图
1、Spark通用性较强
Spark生态圈包含了Spark Core、Spark SQL、MLLib、GraphX、Spark Streaming和Spark Structured Streaming等组件，提供离线计算、实时计算、图形化处理和机器学习等能力，能够无缝的集成并提供一站式解决方案。
- Spark Core：包含Spark的基本功能；尤其是定义RDD的API、操作以及这两者上的动作。其他Spark的库都是构建在RDD和Spark Core之上的
- Spark SQL：提供Hive查询语言（HiveQL）以及SQL查询语言(如Mysql)与Spark进行交互的API。每个数据库表被当做一个RDD，Spark SQL查询被转换为Spark Core操作。
- GraphX：控制图、并行图操作和计算的一组算法和工具的集合。GraphX扩展了RDD API，包含控制图、创建子图、访问路径上所有顶点的操作
- MLlib：一个常用机器学习算法库，算法被实现为对RDD的Spark操作。这个库包含可扩展的学习算法，比如分类、回归等需要对大量数据集进行迭代的操作
- Spark Streaming：对实时数据流进行处理和控制。Spark Stream
最低0.47元/天 解锁文章
扫一扫
2490
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
