Spark知识整理

Spark是什么?

基于内存计算的大数据并行计算框架

2009年诞生

全栈多计算范式的高效数据流水线

 

Spark相比MapReduce的优势

1.中间结果输出

2.数据格式和内存布局

3.执行策略

4.任务调度的开销

 

Spark生态系统BDAS

 Berkeley Data Analytics Stack

 

Spark架构

Spark计算模型

RDD(transformation  and action)

算子分类：value型Transformation算子（map，union，filter，cache），key-value型Transformation算子（mapValues，reduceByKey，join），action算子（foreach，saveAsTextFile，collect，count，reduce）