简析Spark的发展历程

简析spark

----高效的分布式计算架构Lifeisshort，youneedspark!Spark简介与体系架构Spark的安装与配置Spark的开发与应用Lifeisshort，youneedspark!Spark简介与体系架构Spark的安装与配置Spark的开发与应用Lifeisshort，youneedspark!Spark是一个高速，通用大数据计算处理引擎。的官方定义官方网址

/Spark的发展历史2009诞生于伯克利大学2010正式开源2013成为Apache基金项目2016发布2.0版本Spark发展中的学术贡献Spark发展中的学术贡献Spark主要奠基者现在Spark是在其博士论文的基础上发展而来的“AnArchitectureforFastandGeneralDataProcessingonLargeClusters”《大型集群上的快速和通用数据处理架构》Spark的版本发展在开源社区的贡献下Spark版本更新速度很快，平均1-2个月就推出一个新版本Spark的体系架构被称为Sparkcore，是其最核心的部分，包含了Spark最基本、最核心的功能和基本分布式算子。Sparkcore的基本功能有任务调度、内存管理、故障恢复以及和存储系统的交互。Spark的体系架构数据全集被分割为多个数据子集SparkcoreRDD(resilientdistributeddataset)是Spark的核心概念，指的是一个只读的，可分区的分布式数据集（分布式弹性数据集），这个数据集的全部或部分可以缓存在内存中，在多次计算间重用。Spark的核心思路就是将数据集缓存在内存中加快读取速度，同时用RDD以较小的性能代价保证数据的鲁棒性RDDRDD都是可序列化的，在内存不足时可自动降级为磁盘存储计算的中间结果会被保存，出错后可以方便地重新调度Spark的体系架构SparkSQL用于分布式结构化数据的SQL查询与分析，在编写程序中，可以直接使用SQL语句Spark的体系架构SparkStreaming是用于处理流数据的分布式流处理框架，它将数据流以时间片为单位进行分割形成RDD，能够以较小的时间间隔对流数据进行处理，从严格意义上说是一个准实时处理系统。Spark的体系架构Mllib是一个分布式机器学习库，在Spark平台上对一些常用的机器学习算法进行了分布式实现，现在都包括：分类、回归、聚类、决策树等等。Spark的体系架构GraphX是一个分布式图处理框架，在Spark上实现了大规模图计算的功能，提供了对图计算和图挖掘的各种接口。使用场景时间跨度同类框架使用Spark复杂的批量数据处理小时级MapReduce（Hive）Spark基于历史数据的交互式查询分钟级，秒级ImpalaSparkSQL基于实时数据流的数据处理秒级StormSparkStreaming基于历史数据的数据挖掘-MahoutSparkMLlib基于增量数据的机器学习--SparkStreaming+MLlibSpark的体系架构在特定的使用场景下，Spark提供的解决方案不一定是最优，比如在实时数据流处理中，相比于SparkStreaming，Storm的实时性更强、时间切片更小，但Spark模块间的数据可以无缝结合，因此Spark生态体系可以为大数据的处理、分析提供一站式解决方案。Spark简介与体系架构Spark的安装与配置Spark的开发与应用Lifeisshort，youneedspark!Spark的安装与配置Spark支持在多种操作系统上安装和使用，包括Windows、Linux、Ubuntu以及苹果的MacOS等等。目前使用最广泛的是Linux和Ubuntu。原因是其安装配置方便。Spark的安装与配置将Spark部署一台单机系统中，需要安装的软件为-Ubuntu-jdk-Hadoop-2.4.0此为稳定版本-Scala编译spark的语言环境

-spark-bin-hadoop2.4Spark的开源代码

-Spark开发环境以及IDESpark的安装与配置1、安装JDK，配置Java运行环境

测试jdk是否安装成功：Spark的安装与配置2、安装Hadoop，配置环境变量

测试hdfs是否配置成功：Spark的安装与配置2、安装Hadoop，配置环境变量

测试hdfs是否配置成功：Spark的安装与配置3、安装Scala，配置相应环境变量

测试Scala安装是否成功：Spark的安装与配置4、安装Spark，配置环境变量

测试Spark是否安装成功：Spark的安装与配置4、安装Spark，配置环境变量

测试Spark是否安装成功：Spark简介与体系架构Spark的安装与配置Spark的开发与应用Lifeisshort，youneedspark!Spark的开发与应用可以使用多种编程语言编写Spark应用，包括Java、Scala、Python和R。其中Scala是Spark框架的开发语言，所以使用Scala语言可以和Spark的源代码进行更好的无缝结合，更方便调用其相关功能。Spark的开发与应用使用Spark编写机器学习算法的实例线性回归预测问题使用Python语言的代码如