1.关于Spark
- 2009年,spark诞生于伯克利大学的amplab。最重要的是,spark只是一个实验项目,只包含很少的代码,属于轻量级框架。
- 2010年,伯克利大学正式启动了Spark项目。
- 2013年6月,Spark成为Apache基金会的一个项目,并进入了高速开发阶段。第三方开发人员贡献了大量代码,并且非常活跃
- 2014年2月,Spark被称为Apache的顶级项目。与此同时,大数据公司cloudera宣布增加对spark框架的投资,以取代MapReduce。
- 2014年4月,大数据公司MAPR进入了Spark阵地。Apache mahout放弃了MapReduce,将使用spark作为计算引擎。
- 2014年5月,发布了Spark 1.0.0。
- 2015年,Spark在国内IT行业中越来越受欢迎。越来越多的公司开始专注于部署或使用Spark取代MR2,hive,storm和其他传统的大数据并行计算框架。
2.什么是Spark?
- Apache Spark™ 是用于大规模数据处理的统一分析引擎。
- 大型数据集的统一分析引擎
- Spark是基于内存的通用并行计算框架,旨在使数据分析更快
- Spark包含大数据领域的各种通用计算框架
- Spark Core(离线计算)
- Sparksql(交互式查询)
- Spark Streaming(实时计算)
- Spark mllib(机器学习)
- Spark graphx(图形计算)
3. Spark可以取代Hadoop吗?
不完全正确。
因为我们只能用火花的核心,而不是MR用于离线计算,数据存储仍取决于HDFS。
Spark+Hadoop的结合是最流行的组合和最有前途的一个,在未来大数据的领域!