本文實例講述了Spark基本特性、組成、應(yīng)用。分享給大家供大家參考，具體如下：

一、官網(wǎng)介紹

1、什么是Spark

官網(wǎng)地址：http://spark.apache.org/

Apache Spark™是用于大規(guī)模數(shù)據(jù)處理的統(tǒng)一分析引擎。

從右側(cè)最后一條新聞看，Spark也用于AI人工智能

spark是一個實現(xiàn)快速通用的集群計算平臺。它是由加州大學(xué)伯克利分校AMP實驗室 開發(fā)的通用內(nèi)存并行計算框架，用來構(gòu)建大型的、低延遲的數(shù)據(jù)分析應(yīng)用程序。它擴展了廣泛使用的MapReduce計算模型。高效的支撐更多計算模式，包括交互式查詢和流處理。spark的一個主要特點是能夠在內(nèi)存中進行計算，及時依賴磁盤進行復(fù)雜的運算，Spark依然比MapReduce更加高效。

2、為什么要學(xué)Spark

中間結(jié)果輸出：基于MapReduce的計算引擎通常會將中間結(jié)果輸出到磁盤上，進行存儲和容錯。出于任務(wù)管道承接的，考慮，當(dāng)一些查詢翻譯到MapReduce任務(wù)時，往往會產(chǎn)生多個Stage，而這些串聯(lián)的Stage又依賴于底層文件系統(tǒng)（如HDFS）來存儲每一個Stage的輸出結(jié)果。

Spark是MapReduce的替代方案，而且兼容HDFS、Hive，可融入Hadoop的生態(tài)系統(tǒng)，以彌補MapReduce的不足。

二、Spark的四大特性

1、高效性

運行速度提高100倍。

Apache Spark使用最先進的DAG調(diào)度程序，查詢優(yōu)化程序和物理執(zhí)行引擎，實現(xiàn)批量和流式數(shù)據(jù)的高性能。

2、易用性

Spark支持Java、Python和Scala的API，還支持超過80種高級算法，使用戶可以快速構(gòu)建不同的應(yīng)用。而且Spark支持交互式的Python和Scala的shell，可以非常方便地在這些shell中使用Spark集群來驗證解決問題的方法。

3、通用性

Spark提供了統(tǒng)一的解決方案。Spark可以用于批處理、交互式查詢（Spark SQL）、實時流處理（Spark Streaming）、機器學(xué)習(xí)（Spark MLlib）和圖計算（GraphX）。這些不同類型的處理都可以在同一個應(yīng)用中無縫使用。Spark統(tǒng)一的解決方案非常具有吸引力，畢竟任何公司都想用統(tǒng)一的平臺去處理遇到的問題，減少開發(fā)和維護的人力成本和部署平臺的物力成本。

4、兼容性

Spark可以非常方便地與其他的開源產(chǎn)品進行融合。比如，Spark可以使用Hadoop的YARN和Apache Mesos作為它的資源管理和調(diào)度器，器，并且可以處理所有Hadoop支持的數(shù)據(jù)，包括HDFS、HBase和Cassandra等。這對于已經(jīng)部署Hadoop集群的用戶特別重要，因為不需要做任何數(shù)據(jù)遷移就可以使用Spark的強大處理能力。Spark也可以不依賴于第三方的資源管理和調(diào)度器，它實現(xiàn)了Standalone作為其內(nèi)置的資源管理和調(diào)度框架，這樣進一步降低了Spark的使用門檻，使得所有人都可以非常容易地部署和使用Spark。此外，Spark還提供了在EC2上部署Standalone的Spark集群的工具。

Mesos：Spark可以運行在Mesos里面（Mesos 類似于yarn的一個資源調(diào)度框架）

standalone：Spark自己可以給自己分配資源（master，worker）

YARN：Spark可以運行在yarn上面

 Kubernetes：Spark接收 Kubernetes的資源調(diào)度

三、Spark的組成

Spark組成(BDAS)：全稱伯克利數(shù)據(jù)分析棧，通過大規(guī)模集成算法、機器、人之間展現(xiàn)大數(shù)據(jù)應(yīng)用的一個平臺。也是處理大數(shù)據(jù)、云計算、通信的技術(shù)解決方案。

它的主要組件有：

SparkCore：將分布式數(shù)據(jù)抽象為彈性分布式數(shù)據(jù)集（RDD），實現(xiàn)了應(yīng)用任務(wù)調(diào)度、RPC、序列化和壓縮，并為運行在其上的上層組件提供API。

SparkSQL：Spark Sql 是Spark來操作結(jié)構(gòu)化數(shù)據(jù)的程序包，可以讓我使用SQL語句的方式來查詢數(shù)據(jù)，Spark支持 多種數(shù)據(jù)源，包含Hive表，parquest以及JSON等內(nèi)容。

SparkStreaming： 是Spark提供的實時數(shù)據(jù)進行流式計算的組件。

MLlib：提供常用機器學(xué)習(xí)算法的實現(xiàn)庫。

GraphX：提供一個分布式圖計算框架，能高效進行圖計算。

BlinkDB：用于在海量數(shù)據(jù)上進行交互式SQL的近似查詢引擎。

Tachyon：以內(nèi)存為中心高容錯的的分布式文件系統(tǒng)。

四、應(yīng)用場景

Yahoo將Spark用在Audience Expansion中的應(yīng)用，進行點擊預(yù)測和即席查詢等 淘寶技術(shù)團隊使用了Spark來解決多次迭代的機器學(xué)習(xí)算法、高計算復(fù)雜度的算法等。應(yīng)用于內(nèi)容推薦、社區(qū)發(fā)現(xiàn)等
騰訊大數(shù)據(jù)精準(zhǔn)推薦借助Spark快速迭代的優(yōu)勢，實現(xiàn)了在“數(shù)據(jù)實時采集、算法實時訓(xùn)練、系統(tǒng)實時預(yù)測”的全流程實時并行高維算法，最終成功應(yīng)用于廣點通pCTR投放系統(tǒng)上。
優(yōu)酷土豆將Spark應(yīng)用于視頻推薦(圖計算)、廣告業(yè)務(wù)，主要實現(xiàn)機器學(xué)習(xí)、圖計算等迭代計算。

更多關(guān)于java算法相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Java數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Java操作DOM節(jié)點技巧總結(jié)》、《Java文件與目錄操作技巧匯總》和《Java緩存操作技巧匯總》

希望本文所述對大家java程序設(shè)計有所幫助。

最新評論