• Spark---介绍及安装


    一、Spark介绍

    1、什么是Spark

    Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行计算框架,Spark拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是Job中间输出结果可以保存在内存中,从而不再需要读写HDFS,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MapReduce的算法。

    Spark是Scala编写,方便快速编程。

    2、总体技术栈讲解

    3、Spark与MapReduce的区别

    都是分布式计算框架,Spark基于内存,MR基于HDFS。Spark处理数据的能力一般是MR的十倍以上,Spark中除了基于内存计算外,还有DAG有向无环图来切分任务的执行先后顺序。

    4、Spark运行模式

    • Local

    多用于本地测试,如在eclipse,idea中写程序测试等。

    • Standalone

    Standalone是Spark自带的一个资源调度框架,它支持完全分布式。

    • Yarn

    Hadoop生态圈里面的一个资源调度框架,Spark也是可以基于Yarn来计算的。

    • Mesos

    资源调度框架。要基于Yarn来进行资源调度,必须实现AppalicationMaster接口,Spark实现了这个接口,所以可以基于Yarn。

    二、Spark基于Maven开发

    1、IDEA创建Maven项目

    1)创建项目

    2)创建选择maven-archetype-quickstart

    3)配置名称,点击下一步配置Maven及本地Maven仓库地址

    4)配置名称和位置,并创建

    5)更新替换Maven pom.xml文件,注意groupId,artifactId,version不要更新替换。

    6)在main 目录下创建javaCode和scalaCode 并指定为源目录。名称任意。

    将main下的javaCode和scalaCode指定为源目录:

  • 相关阅读:
    vue使用pdf-dist实现pdf预览以及水印
    js发送http请求
    计算机系统(10)----- 进程通信
    【视频】机器学习交叉验证CV原理及R语言主成分PCA回归分析犯罪率|数据共享
    雪花算法(Snowflake Algorithm)
    【Web】Ctfshow SSTI刷题记录1
    2022,中国TO B企业出海实录
    java Object类型转Map
    【React 源码】(十五)React Context 原理
    Docker-compose安装mysql
  • 原文地址:https://blog.csdn.net/yaya_jn/article/details/134523185