Spark进阶(二)
来源:互联网 发布:office2016for mac安装 编辑:程序博客网 时间:2024/05/17 02:56
Spark Stream
将Stream数据分成小的时间片段,以类似batch批处理的方式来处理这一部分数据,兼容实时数据处理的逻辑和算法和兼容批量处理。
Spark MLlib
SparkSQL
1.MapReduce计算过程大量的磁盘落地消耗了大量的io,降低运行效率。此时shark应运而生,同期的还有Impala和Drill。
shark(在hive的基础上,把HQL翻译成Spark的RDD操作。实现基于内存的SQL查询)运作:通过Hive的HQL解析,把HQL翻译成Spark的RDD操作,然后通过Hive的metadata获取数据库的表信息,shark获取HDFS上的数据和文件并放到Spark上运行。修改了hive的内存管理,物理计划,执行三个模块:shark使用Hive的API来实现query parsing和Logic Plan generation,最后的Physical Plan Generation阶段用Spark代替Hadoop的Map Reduce。
2.Shark对于hive的太多依赖(如采用hive的语法解析器、查询优化器等等),制约了Spark的统一栈管理的原则,故有了SparkSQL的出现。
- SparkSQL汲取了Shark的优点,如内存列存储,hive的兼容性等
- 同时还兼容RDD、parquet文件、Json文件中获取数据
- 性能方面,除了内存列存储,还引进了Cost Model对查询进行动态评估
3.Spark和Impala在并发性还有一定的差距
GraphX
1.Pregel
google继mapReduce之后提出的又一计算模型,主要用于图的计算。
2.GraphX
有Table和Graph的两种图,但只需要一种物理存储,Table视图将图看成顶点属性和边属性的组合。
3.GraphX与Pregel的关系
Tachyon(HDFS(磁盘)tachyon(cache))
主从架构
分布式内存文件系统,用于缓存常用数据(HDFS是存储海量数据)
通过Zookeeper做HA,可以部署多台Standby Master
0 0
- Spark进阶(二)
- Spark进阶(一)
- Spark进阶(三)
- Spark进阶(四)
- spark进阶(五)
- Spark进阶(八)
- Spark修炼之道(进阶篇)——Spark入门到精通:第五节 Spark编程模型(二)
- Spark修炼之道(进阶篇)——Spark入门到精通:第五节 Spark编程模型(二)
- SparkSQL(Spark-1.4.0)实战系列(二)——DataFrames进阶
- javascript进阶(二)
- requirejs进阶(二)
- RequireJS进阶(二)
- Python进阶(二)
- RequireJS进阶(二)
- makefile进阶(二)
- Dagger2 进阶(二)
- Javascript进阶(二)
- hibernate进阶(二)
- springMVC+shiro异常处理总结
- 图片adjustviewbound属性 和Scaletype
- hash_map介绍与使用
- mysql的视图
- 操作系统——基本概念
- Spark进阶(二)
- 51Nod 1049 最大子段和
- Python实例:网络爬虫抓取豆瓣3万本书(8)
- SlidingMenu实现透明状态栏
- 公私钥数据签名
- java Method用法
- 【Python】从爬虫开始吧——爬取妹子图整站
- 安装Android应用出错:Failure [INSTALL_FAILED_UPDATE_INCOMPATIBLE]
- ubuntu + nohup