一、spark 学习
1、 spark学习的三种地方:
(1)Spark.apache.org 官方文档
(2)spark的源代码的官方网站 https://github.com/apache/spark
(3)spark的官方的博客 https://databricks.com/blog
大数据改变了世界,spark改变了大数据
2、 Apache Spark™ is a fast and general engine for large-scale data processing.
处理速度快,相比mapreduce(比mapreduce快10倍左右)
3、spark四大 特性:
速度快
使用简单:可以使用Java、scala、Python、R开发,spark提供了80多个算子
通用性:Spark 提供了大数据一栈式解决方案。包含了流计算、图计算、机器学习、SQL等。
运行在任何地方: Spark可以运行在Hadoop的YARN、Mesos, standalone,或者运行在云上。 Spark 处理的数据,可以存储在HDFS, Cassandra, HBase,和S3等等。
4、spark四种模式:(前两种国内用的比较多)
(1)spark alone
client 、cluster
(2)spark on yarn
client 、cluster
(3)spark on Mesos(类似于yarn的一个资源调度器)
(4)Spark on EC2
5、什么是RDD(可分区的分布式数据集)
6、spark架构需要了解的几个基本概念
Appliction Appliction jar ....等等
补充:工作当中用的比较多的是spark 1.6.0