今日份分享!
大数据生态和Spark简介
一、什么是大数据?
大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。
大数据的五大特征:1、大量;2、高速;3、多样;4、低价值密度;5、真实性
二、大数据生态:
大数据生态(BigData Ecology)。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。
三、Spark:
Spark是基于内存计算的大数据并行计算框架可用于计算大型的.低延迟的数据分析应用程序。
Spark的特点:
1、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
2、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
3、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
4、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
四、相比于Hadoop MapReduce,Spark主要具有如下优点:
1、Spark的计算模式也属于MapReduce,但不局限于Map和Reduce操作,还提供了多种数据集操作类型,编程模型比Hadoop MapReduce更灵活
2、Spark提供了内存计算,可将中间结果放到内存中,对于迭代运算效率更高
3、Spark基于DAG的任务调度执行机制,要优于Hadoop MapReduce的迭代执行机制