1.Apache spark核心编程
集批处理(离线处理)、交互式处理和流式处理,为一体一栈式大数据解决方案
-
Core
数据式结构:分布式集合RDD
SparkContext
批处理(batch processing),处理数据 T + 1
注意:
每次数据的数据都是一个固定的数据集,而不是变化 -
SQL
DataFrame/DataSet = RDD + schema
SparkSession
老版本:SQLContext/HiveContext
交互式处理(interactive processing)
注意:
每次数据的数据都是一个固定的数据集,而不是变化 -
MLlib
一些算法使用Spark给你实现了,提供了对应API给你用 -
Streaming
流式数据处理(stream processing)
要处理的数据就像流水一样,源源不断的产生数据,需要实时进行处理
对SparkCore的高级API的封装,将流式的数据切分为小的批次batch(按照时间间隔)的数据,然后使用SparkCore进行处理
DStream集合,List
StreamingContext:上下文对象,从实时流式数据源中接收数据
底层还是SparkContext在大数据技术框架中,对于流式数据的实时数据分析处理方案:
一条一