跟我一起学Spark之——数据读取与保存

原书中写到：

        工程师会了解到更多的输出格式，有利于找到非常合适用于下游处理程序的格式。

        数据科学家则可能更关心数据现有的组织形式。

三类常见数据源：

1.文件格式与文件系统；

（文本文件、JSON、逗号分隔与制表符分隔值、SquenceFile、对象文件、Hadoop输入输出格式、文件压缩）

（本地“常规”文件系统、Amazon S3、HDFS）

2.Spark SQL中的结构化数据源；（Apache Hive、JSON）

3.数据库与键值存储；（Java数据库连接、Cassandra、HBase、Elasticsearch）

        Spark会根据文件的扩展名选择对应的处理方式，这一过程是封装好的，对用户透明。（诸如文本文件（非结构化）、Json格式（半结构化）、SequencrFile（结构化文件））。

总结：

        将数据读取到Spark中，并将计算结果以你所希望的方式存储起来。

未完待续~~~~~~