Spark学习笔记(一)——spark简介

Spark是什么

spark是基于内存计算的大数据并行计算框架。09年诞生于加州大学伯克利分校AMPLab.

Spark相较于Hadoop的优点

Spark是MapReduce的替代方案,兼容HDFS、Hive等分布式存储层,可融入Hadoop的生态系统,以弥补MapReduce的不足。其主要优势如下:

  1. 中间结果输出
    可以将多stage的任务串联或者并行执行,而无需将Stage中间结果输出到HDFS中。
  2. 数据格式和内存分布
    Spark抽象出分布式内存存储结构弹性分布式数据集RDD,进行数据的存储。Spark具有能够控制数据在不同节点上的分区的特性,用户可以自定义分区策略。
  3. 执行策略
    MapReduce在数据Shuffle之前花了大量的时间来排序,Spark可以减轻上述问题带来的开销。
  4. 任务调度的开销
    在某些极端情况下,hadoop提交一个任务的延迟非常高。Spark采用了事件驱动的类库AKKA来启动任务,通过线程池复用线程来避免进程或线程启动和切换开销。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值