spark 与hadoop 之比较

本文对比了Spark与Hadoop在存储结构、编码模式、执行策略及计算速度等方面的差异。介绍了Spark使用基于内存的RDD,支持丰富的API,而Hadoop则采用磁盘存储,通过Map+Reduce进行数据处理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

spark 与hadoop 之比较
一、存储结构   
1、hadoop :hadoop文件系统下的split(split是逻辑数据单元,block存储物理单元,split可能会跨block存储);
2、spark:使用基于内存的弹性分布式数据集RDD,进行数据基本运算和缓存(RDD是对象,肯定存储在内存中);       
二、编码模式 
1、hadoop :Map + Reduce(一个job只能包含一个Map + Reduce);
2、spark:丰富的transformation和action API(一个job可以包含任意多个map、reduce功能API,rdd可以进行不同级别的缓存,
   只有action API才会触发计算操作,多次使用的RDD需要进行缓存);       
三、执行策略
1、hadoop :每个Task作为一个进程,启动过程慢,比较消耗CPU资源;
2、spark:每个Task作为一个线程,启动低延时,节省CPU资源;
四、计算速度
1、hadoop :计算中间过程大量写入磁盘,读写操作以及数据序列化开销巨大;
2、spark:中间过程都存储在内存中,读写速度比磁盘快几个数量级。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值