spark、Scala的安装

最新推荐文章于 2024-03-13 09:55:19 发布

原创

最新推荐文章于 2024-03-13 09:55:19 发布 · 401 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#Scala

本文介绍了Apache Spark的特性，强调了其相对于Hadoop的效率优势，特别是对于迭代计算。Spark的核心是弹性分布式数据集（RDD），并提供了丰富的转换和行动操作。文章详细阐述了Spark的编程模型，包括DAG执行过程和容错性，并概述了Spark集群架构。此外，还提供了Spark与Scala的版本兼容性信息，以及详细的Spark和Scala安装步骤，包括启动Spark Shell和编写Spark Shell代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Spark简介

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 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。
Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。

Spark生态圈

Spark力图整合机器学习（MLib）、图算法（GraphX）、流式计算（Spark Streaming）和数据仓库（Spark SQL）等领域，通过计算引擎Spark，弹性分布式数据集（RDD），架构出一个新的大数据应用平台。
Spark生态圈以HDFS、S3、Techyon为底层存储引擎，以Yarn、Mesos和Standlone作为资源调度引擎；使用Spark，可以实现MapReduce应用；基于Spark，Spark SQL可以实现即席查询，Spark Streaming可以处理实时应用，MLib可以实现机器学习算法，GraphX可以实现图计算，SparkR可以实现复杂数学计算。

在这里插入图片描述