室内设计论坛网站,西安做网站公司工资,不良网站浏览窗口,网站建设的客户需求分析调研表一、Spark介绍
1、什么是Spark
Apache Spark 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UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行计算框架#xff0c;Spark拥有Hadoop MapReduce所具有的优点#xff1b;但…一、Spark介绍
1、什么是Spark
Apache Spark 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UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行计算框架Spark拥有Hadoop MapReduce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。
4、Spark运行模式
Local
多用于本地测试如在eclipseidea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。
二、Spark基于Maven开发
1、IDEA创建Maven项目
1创建项目 2创建选择maven-archetype-quickstart 3配置名称点击下一步配置Maven及本地Maven仓库地址 4配置名称和位置并创建 5更新替换Maven pom.xml文件,注意groupIdartifactIdversion不要更新替换。
6在main 目录下创建javaCode和scalaCode 并指定为源目录。名称任意。 将main下的javaCode和scalaCode指定为源目录
