Spark大数据分析 课件 1.2 Spark简介.pptx

Spark简介

Spark的历史与发展

Spark组件

Spark特性

Spark特性

应

易用性

·Spark不仅计算性能突出，在易用性方面也是其他同类产品难以比拟的。一方面，Spark提供了支持多种语言的API,如Scala、Java、Python、R等，使得用户开发Spark程序十分方便。另一方面，Spark是基于

Scala语言开发的，由于Scala是一种面向对象的、函数式的静态编程语言，其强大的类型推断、模式匹配、隐式转换等一系列功能结合丰富的描述能力使得Spark应用程序代码非常简洁。Spark的易用性还体现在其针

运行速度快

·面向磁盘的MapReduce受限于磁盘读/写性能和网络

I/0性能的约束，在处理迭代计算、实时计算、交互式数据查询等方面并不高效，但是这些却在图计算、数据挖掘和机器学习等相关应用领域中非常常见。针对这一不足，将数据存储在内存中并基于内存进行计算是一个有效的解决途径。

Speed

Runworkloads100xfaster.

ApacheSparkachleveshighperformanceforbothbatchand

streamingdata,usingastate-oF-the-artDAGscheduler,aqueryoptimizer,andaphysicalexecutionengine.

110

90

60

30

0.9

0

LogisticregressioninHadoopandSpark

Spark特性

对数据处理提供了丰富的操作。

■Hadoop■Spark

Runningtime(s)

120

·相对于第一代的大数据生态系统Hadoop中的

MapReduce,Spark无论是在性能还是在方案的统一

性方面，都有着极大的优势。Spark框架包含了多个紧密集成的组件，如图1-5所示。位于底层的是Spark

Core,其实现了Spark的作业调度、内存管理、容错、与存储系统交互等基本功能，并针对弹性分布式数据集提供了丰富的操作。在SparkCore的基础上，Spark提供了一系列面向不同应用需求的组件，主要有SparkSQL、SparkStreaming、MLlib、GraphX。

·Spark不仅计算性能突出，在易用性方面也是其他同类产品难以比拟的。一方面，Spark提供了支持多种语言的API,如Scala、Java、Python、R等，使得用户开发Spark程序十分方便。另一方面，Spark是基于

Scala语言开发的，由于Scala是一种面向对象的、函数式的静态编程语言，其强大的类型推断、模式匹配、隐式转换等一系列功能结合丰富的描述能力使得Spark

应用程序代码非常简洁。Spark的易用性还体现在其针对数据处理提供了丰富的操作。

Generality

CombineSQL,streaming,andcomplexanalytics.

SparkpowersastackoflibrariesincludingSQLandDataFrames,MLbformachineleaming.GaphxandsparkSteamingYoucancombinetheselibrariesseamlesstyinthesameapplkcation.

SparkSpark

SOLe

Apache

MLib

machineeaning)

Spark

Graphx

oraph)

通用性

支持多种资源管理器

Spark特性

Spark的历史与发展

Spark发展历程：

Spark在2009年由MateiZaharia在加州大学柏克莱分校AMPLab

开创

2010年通过BSD许可协议开源发布。

2013年6月，该项目被捐赠给Apache软件基金会并切换许可协议至Apache2.0。

2014年2月，Spark成为Apache的顶级项目。

2014年11月，Databricks团队使用Spark刷新数据排序世界记录

2014年5月底Spark1.0.0发布。

2014年9月Spark1.1.0发布

2014年12月Spark1.2.0发布

S