一、Spark在携程应用的现状
集群规模:
平均每天MR任务数:30W+
开发平台:
调度系统运行的任务数:10W+
每天运行任务实例数:23W+
ETL/计算任务:~58%
查询平台:
adhoc查询:2W+
支持Spark/Hive/Presto
![b35837d2817b38799d7d4b3db1fddd60.png](https://i-blog.csdnimg.cn/blog_migrate/1e652a159d559c0d9d3ed4092289a7c8.jpeg)
二、Hive与Spark的区别
Hive:
优点:运行稳定,客户端内存消耗小。
存在问题:生成多个MapReduce作业;中间结果落地,IO开销大;频繁申请和释放container,资源没有合理充分利用
Spark:
快:高效的DAG执行引擎,可以基于内存来高效的处理数据流,节省大量IO开销
通用性:SparkSQL能直接使用HiveQL语法,Hive Metastore,Serdes,UDFs