深入浅出FEA-spk，有原理有案例接地气！

随着大数据和云计算时代的到来，数据规模越来越大，随之出现了很多大数据框架，比如Hadoop用来实现分布式文件存储的HDFS，MapReduce、Spark、Storm等计算框架，Hbase，Mongob等数据库，Hive数据仓库。

为了更好的处理海量数据，使得不懂Spark的数据分析人员可以很方便的使用Spark来进行数据分析和挖掘，FEA研发了FEA-spk技术。FEA-spk是以Spark为内核引擎，提供了交互式的分析，它的功能几乎覆盖了所有的spark操作，并且可以对结果数据进行可视化展示。它可以和众多的大数据计算框架结合，比如hive,hbase,mongodb,hdfs等。可以保存和读取各种文件格式，比如parquet,avro,orc,json,csv等文件格式，真正做到了和大数据进行融合！

我们今天，从架构、运行原理、任务的查看和监控、内存的分配与调优、DF表转化等方面，深入浅出认识一下FEA-spk。

1. FEA-spk的架构

2. FEA-spk运行原理

FEA-spk采用yarn-client模式运行在hadoop的yarn上。在使用FEA-spk的时候，在客户端的FEA界面先要创建一个spk的连接，如下图所示：

这个时候就会在Hadoop yarn界面启动一个应用，如下图所示：

然后就可以加载数据，对数据进行分析了。

FEA-spk支持多种数据源，最常见的当然是HDFS了，它是分布式存储文件系统，当我们要处理的数据量很大，比如TB级的时候，就可以把数据放在HDFS上面，然后使用FEA-spk把HDFS数据加载到我们使用的Spark集群的内存里面，克服了单机内存不足的问题，使得分布式内存计算成为了可能。

下面我们来加载一个存放在hdfs目录的csv文件

随后可以对DF表进行各种各样的操作，比如group,agg等，这里不再叙述了（在FEA官方网站有FEA-spk的操作手册，很详细的介绍了各种操作）。

最后，对计算后的结果进行保存，比如保存到hdfs,hive,mysql中等。

3. FEA-spk运行任务的查看和监控

我们在运行FEA-spk的时候，需要查看运行了多长时间，划分为几个stage,

每个stage的task数，运行了多长时间等，按照以下的步骤进行操作.

点击ApplicationMaster,进入下面的页面

然后就可以查看各种指标了

4. FEA-spk内存的分配与调优

由于FEA-spk是基于内存进行计算的，所以对内存的分配就显得尤为重要。

一般要调节上图的几个参数。在FEA客户端的$SPARK_HOME/conf的

spark-defaults.conf目录

5. FEA-spk的DF表和FEA的DF表转化

如果我们需要对FEA-spk的DF表转化为FEA的DF表，只需要下面一条命令就可以了

df=@udf sdf by spk.to_DF

同理，如果要转化为FEA-spk的DF表，需要运行以下一条命令

sdf=@udf spk,df by spk.to_SDF

以上就是FEA-spk技术的完整介绍，希望大家多多支持哦。