- 博客(3)
- 资源 (1)
- 收藏
- 关注
原创 三:RDD介绍
(本人初次接触spark可能有些地方理解的不够到位,希望各位读者多多指正,对于不恰当的地方也会进行改进)1、RDD定义:是弹性分布式数据集,是分布到各个节点的数据集合,具有自动容错性、位置感知调度和可伸缩性等。2、RDD的特性:2.1 分区(partition)分区是RDD的基本组成单位(spark并行处理的基本单元),属于RDD的子集。每个分区的计算都是独立执行的,并且分布到
2017-12-23 22:12:28 586
原创 二:Spark是什么?
(本人初次接触spark可能有些地方理解的不够到位,希望各位读者多多指正,对于不恰当的地方也会进行改进)一、spark:快速通用的大规模数据处理引擎。(想对spark的定义和特点有较具体的认识可参考其官方网站:http://spark.apache.org/)官方文档:二、spark的特点:1、速度快在上篇文章中已经提到过spark的计算速度快是基于两原因:一是:spar
2017-12-23 20:28:48 4540 1
原创 一:hadoop和spark的区别
hadoop是基于磁盘的,它的运算结果保存在磁盘当中;而spark的运算是基于内存的。因此spark的运算速度是hadoop的100倍;即使在磁盘当中运算,spark也是hadoop的10倍左右,原因就是spark具有优秀的作业调度策略。故spark的速度快与hadoop的两个原因:(1)spark是基于内存,hadoop基于磁盘:在hadoop中HDFS用于数据的存储
2017-12-14 19:06:29 933 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人