Spark學習筆記（一）Spark初識【特性、組成、應用】

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

一、官網介紹

1、什么是Spark

官網地址：http://spark.apache.org/

Apache Spark™是用于大規模數據處理的統一分析引擎。

從右側最后一條新聞看，Spark也用于AI人工智能

spark是一個實現快速通用的集群計算平臺。它是由加州大學伯克利分校AMP實驗室 開發的通用內存并行計算框架，用來構建大型的、低延遲的數據分析應用程序。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存中進行計算，及時依賴磁盤進行復雜的運算，Spark依然比MapReduce更加高效。

2、為什么要學Spark

中間結果輸出：基于MapReduce的計算引擎通常會將中間結果輸出到磁盤上，進行存儲和容錯。出于任務管道承接的，考慮，當一些查詢翻譯到MapReduce任務時，往往會產生多個Stage，而這些串聯的Stage又依賴于底層文件系統（如HDFS）來存儲每一個Stage的輸出結果。

Spark是MapReduce的替代方案，而且兼容HDFS、Hive，可融入Hadoop的生態系統，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調度程序，查詢優化程序和物理執行引擎，實現批量和流式數據的高性能。

2、易用性

Spark支持Java、Python和Scala的API，還支持超過80種高級算法，使用戶可以快速構建不同的應用。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）、機器學習（Spark MLlib）和圖計算（GraphX）。這些不同類型的處理都可以在同一個應用中無縫使用。Spark統一的解決方案非常具有吸引力，畢竟任何公司都想用統一的平臺去處理遇到的問題，減少開發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度器，器，并且可以處理所有Hadoop支持的數據，包括HDFS、HBase和Cassandra等。這對于已經部署Hadoop集群的用戶特別重要，因為不需要做任何數據遷移就可以使用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度器，它實現了Standalone作為其內置的資源管理和調度框架，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的資源調度

三、Spark的組成

Spark組成(BDAS)：全稱伯克利數據分析棧，通過大規模集成算法、機器、人之間展現大數據應用的一個平臺。也是處理大數據、云計算、通信的技術解決方案。

它的主要組件有：

SparkCore：將分布式數據抽象為彈性分布式數據集（RDD），實現了應用任務調度、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來操作結構化數據的程序包，可以讓我使用SQL語句的方式來查詢數據，Spark支持 多種數據源，包含Hive表，parquest以及JSON等內容。

SparkStreaming： 是Spark提供的實時數據進行流式計算的組件。

MLlib：提供常用機器學習算法的實現庫。

GraphX：提供一個分布式圖計算框架，能高效進行圖計算。

BlinkDB：用于在海量數據上進行交互式SQL的近似查詢引擎。

Tachyon：以內存為中心高容錯的的分布式文件系統。

四、應用場景

Yahoo將Spark用在Audience Expansion中的應用，進行點擊預測和即席查詢等 淘寶技術團隊使用了Spark來解決多次迭代的機器學習算法、高計算復雜度的算法等。應用于內容推薦、社區發現等
騰訊大數據精準推薦借助Spark快速迭代的優勢，實現了在“數據實時采集、算法實時訓練、系統實時預測”的全流程實時并行高維算法，最終成功應用于廣點通pCTR投放系統上。
優酷土豆將Spark應用于視頻推薦(圖計算)、廣告業務，主要實現機器學習、圖計算等迭代計算。

更多關于java算法相關內容感興趣的讀者可查看本站專題：《Java數據結構與算法教程》、《Java操作DOM節點技巧總結》、《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程序設計有所幫助。