SparkSQL的发展历史

Hadoop刚开始出来的时候，使用的是hadoop自带的分布式计算系统MapReduce，但是MapReduce的使用难度较大，所以就开发了Hive，Hive编程用的是类SQL的HQL的语句，这样编程的难度就大大的降低了，Hive的运行原理就是将HQL语句经过语法解析、逻辑计划、物理计划转化成MapReduce程序执行。当Spark出来以后，Spark团队也开发了一个Shark，就是在Spark集群上安装一个Hive的集群，执行引擎是Hive转化成Mapreduce的执行引擎，这样的框架就是Hive  on  Spark，但是这样是有局限性的，因为Shark的版本升级是依赖Hive的版本的，所有2014年7月1日spark团队就将Shark转给Hive进行管理，Spark团队开发了一个SparkSQL，这个计算框架就是将Hive on Spark的将SQL语句转化为Spark RDD的执行引擎换成自己团队从新开发的执行引擎。Spark SQL经历了几次的更新，演变历程如下：

-1  1.0版本以前

Hive on Spark   Shark

-2  1.0.x版本

Spark SQL

      Alpha版本（测试版本，不建议商业项目使用）

这个版本让Spark升为了Apache的顶级项目。

-3  1.3.x版本

SparkSQL  DataFrame

Release（成熟，可以使用）

-4  spark 1.5.x版本

     钨丝计划（底层代码的优化）

-5  spark 1.6.x版本

     DataSet（alpha版本）

-6  Spark 2.x.x版本

      DataSet（正式的）

      Structrued Streaming

 

从发展历史来看会发现Spark的重要版本的变更都跟SparkSQL有关