Spark入门、Spark是什么、Spark下属组件、Spark和MapReduce的区别、Spark的特点 01

- 日理万妓 2022-01-26 12:59 289阅读 0赞

# 1. Spark是什么，下属组件有什么 #

*  Spark是一种快速、通用、可扩展的大数据分析引擎，下属组件有
    
     *  SparkSql
     *  SparkStreaming
     *  GraphX
     *  Mlib
 *  并行计算框架，Spark中的job中间输出和结果可以保存在内存中。

# 2. 为什么要学Spark(Spark和MR区别) #

*  Spark是一个开源的类似于Hadoop MapReduce的通用的并行计算框架
 *  Spark基于map reduce算法实现的分布式计算，拥有Hadoop MapReduce所具有的优点；
 *  **但不同于MapReduce的是**：Spark中的job中间输出和结果可以保存在内存中，从而不再需要读写hdfs，不是Mr读写时反复从磁盘到内存，再从内存到磁盘一样，浪费IO。
 *  因此，Spark能更好地适用于**数据挖掘与机器学习等需要迭代的map reduce的算法。**
 *  **Spark是MapReduce的替代方案，而且兼容hdfs、Hive，可融入Hadoop的生态系统，以弥补MapReduce的不足。**

# 3. Spark的特点 #

## 3.1 快 ##

*  与Hadoop的MapReduce相比，Spark基于内存的运算要快100倍以上，基于硬盘的运算也要快10倍以上。
 *  Spark实现了高效的DAG执行引擎，**可以通过基于内存来高效处理数据流**  
    ![在这里插入图片描述][20190529091908579.png]

## 3.2 易用 ##

*  Spark支持Java、Python和Scala的API，还支持超过80中高级算法，使用户可以快速构建不同的应用。
 *  Spark支持交互式的Pytho和Scala的shell，可以非常方便地在这些shell中使用Spark集群来验证解决问题的方法  
    ![在这里插入图片描述][20190529103804930.png]

## 3.3 通用 ##

*  Spark提供了统一的解决方案，Spark可以用于批处理、交互式查询(SparkSQL)、实时流处理(Spark Streaming)、机器学习(Spark MLlib)和图计算(GraphX)。
 *  以上不同类型的处理都可以再

## 3.4 兼容性 ##

*  Spark可以非常方便地与其他的开源产品进行融合。
 *  Spark可以使用Hadoop的Yarn和Apache Mesos作为它的资源管理和调度器，并且可以处理所有Hadoop支持的数据，包括hdfs、Hbase和Cassandra等。
 *  对于已经部署Hadoop集群的用户特别重要，因为Spark的兼容性，就不需要做任何数据迁移就可以使用Spark的强大处理能力。
 *  Spark也可以不依赖于第三方的资源管理和调度器，它实现了Standalone作为其内置的资源管理和调度框架，这样进一步降低了Spark的使用门槛，使得所有人都可以非常容易地部署和使用Spark。
 *  Spark还提供了EC2上部署Standalone的Spark集群的工具  
    ![在这里插入图片描述][20190529151331509.png]

[20190529091908579.png]: /images/20220126/09819627a93a4e4491a1a1edbeb1fa3f.png
[20190529103804930.png]: /images/20220126/01003274f9c64fdf975a913cbab652c6.png
[20190529151331509.png]: /images/20220126/654bb95fca2a4ec8a70579737abbaf36.png