Spark计算框架概述与技术特性.pdfVIP

Spark‑day01

1.Spark初始

1.什么是Spark

ApacheSpark是专为大规模数据处理而设计的快速通用的计算引擎。

Spark是UCBerkeleyAMPlab（加州大学伯克利分校AMP）所开

源的类HadoopMapReduce的通用并行计算框架，Spark拥有

HadoopMapReduce所具有的优点；但不同于MapReduce的是Job中

间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能

更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

Spark是Scala编写，方便快速编程。

2.总体技术栈讲解

3.Spark演变

4.Spark与MapReduce的区别

Spark-day01

1.Spark初始

1.什么是Spark

ApacheSpark是专为大规模数据处理而设计的快速通用的计算引擎。

Spark是UCBerkeleyAMPlab(加州大学伯克利分校的AMP)所

开源的类HadoopMapReduce的通用并行计算框架，Spark拥有

HadoopMapReduce所具有的优点；但不同于MapReduce的是Job中

间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能

更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

Spark是Scala编写，方便快速编程。

2.总体技术栈讲解

3.Spark演变

4.Spark与MapReduce的区别

都是分布式计算框架，Spark基于内存，MR基于HDFS。Spark处理

数据的能力一般是MR的十倍以上，Spark中除了基于内存计算外，还有

DAG有向无环图来切分任务的执行先后顺序。

5.Spark运行模式

➢Local多用于本地测试，如在eclipse,idea中写程序测试等。➢

StandaloneStandalone是Spark自带的一个资源调度框架，它支持完全分

布式。➢YarnHadoop生态圈里面的一个资源调度框架，Spark也是可以

基于Yarn来计算的。➢Mesos资源调度框架。要基于Yarn来进行资源

调度，必须实现AppalicationMaster接口，Spark实现了这个接口，所以可以

基于Yarn。

2.SparkJava‑Scala混编Maven开发

1.IDEA创建Maven项目

1)创建项目

都是分布式计算框架，Spark基于内存，MR基于HDFS。Spark处

理数据的能力一般是MR的十倍以上，Spark中除了基于内存计算外，

还有DAG有向无环图来切分任务的执行先后顺序。

5.Spark运行模式

➢Local

多用于本地测试，如在eclipse，idea中写程序测试等。

➢Standalone

Standalone是Spark自带的一个资源调度框架，它支持完全分布式。

➢Yarn

Hadoop生态圈里面的一个资源调度框架，Spark也是可以基于Yarn

来计算的。

➢Mesos

资源调度框架。

要基于Yarn来进行资源调度，必须实现AppalicationMaster接口，Spark实

现了这个接口，所以可以基于Yarn。

2.SparkJava-Scala混编Maven开发

1.IDEA创建Maven项目

1)创建项目

2)创建选择maven‑archetype‑quickstart

2)创建选择maven-archetype-quickstart

3)配置