大数据生态与Spark介绍
大数据生态
首先先了解一下大数据(big data)概念
大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据不仅仅是数据的**“大量化”(volume),而是包含“快速化”(velocity),“多样化”(variety),和“价值化”(value)**等多重属性。
大数据生态:网络化数据社会与现实社会的有机融合、互动以及协调,形成大数据感知、管理、分析与应用服务的新一代信息技术架构和良性增益的闭环生态系统。
Spark是什么?
- Spark,是一种通用的大数据计算框架,正如传统大数据技术Hadoop的MapReduce、Hive引擎,以及Storm流式实时计算引擎等。
- Spark主要用于大数据的计算,而Hadoop以后主要用于大数据的存储(比如HDFS、Hive、HBase等),以及资源调度(Yarn)。
- Spark+Hadoop的组合,是未来大数据领域最热门的组合,也是最有前景的组合!
Spark介绍
Spark是当前热门的大数据处理技术,Spark支持采用Scala、Java、Python和R语言进行编程。
主要特点:
- 运行速度快:使用DAG执行引擎以支持循环数据流与内存计算。
- 容易使用:支持使用Scala、Java、Python和R语言进行编程,可以通过Spark Shell进行交互式编程 。
- 通用性:Spark提供了完整而强大的技术栈,包括SQL查询、流式计算、机器学习和图算法组件。
- 运行模式多样:可运行于独立的集群模式中,可运行于Hadoop中,也可运行于Amazon EC2等云环境中,并且可以访问HDFS、Cassandra、HBase、Hive等多种数据源 。
Spark架构图