如何系統的學習大數據框架 hadoop 和spark?

来源:https://www.cnblogs.com/guilina/archive/2018/08/01/9400078.html
-Advertisement-
Play Games

hadoop和Spark是兩種不同的大數據生態系統,Hadoop框架比較側重離線大批量計算,而spark框架則側重於記憶體和實時計算。 在這些基礎上,衍生出了一些常用的附屬組件,比如Hadoop生態下的HBASE、hive、HDFS等,HDFS可用於數據存儲,MR可用於分散式計算框架。同樣,在spar ...


hadoop和Spark是兩種不同的大數據生態系統,Hadoop框架比較側重離線大批量計算,而spark框架則側重於記憶體和實時計算。

在這些基礎上,衍生出了一些常用的附屬組件,比如Hadoop生態下的HBASE、hive、HDFS等,HDFS可用於數據存儲,MR可用於分散式計算框架。同樣,在spark的基礎上也衍生出了很多組件,比如spark streaming、spark SQL、mllib等。其中spark score完全可以代替MR,spark中不僅可以有reduce操作,同時也提供了其他諸如filter sortby等操作,要比MR方便很多,同時,spark SQL可以直接把hive上的文件映射成一張表,來進行表操作。

各自的組件都非常豐富,往往也不容易學。

Hadoop

大數據是一個概念,hadoop是來實現這個概念的工具、技術,它們之間並沒有絕對的聯繫。Hadoop作為一代分散式系統的基礎,特別是第二代Hadoop YARN推出以後,這個位置更加牢固。目前在市面上並沒有可以與之相匹敵的系統存在。

具體的學習

1.編程基礎,比如Java,C,python,linux,有這些基礎學起來就會很快上手。

2.詳細研究,現在大型網站包括Sina,騰訊網(門戶),Weibo(微博),天貓,京東(電商)的架構與實現,先從自己的角度去理解,然後去跟實際情況做比對,提升自己對數據和技術的敏感程度。

3.熟悉並理解,目前阿裡,騰訊,百度內部的系統或多或少都是借鑒於Hadoop的。運用Hadoop對於你以後在大型電腦公司任職非常重要。

4.理解分散式系統設計中的原則以及方法,例如負載均衡,故障恢復,併發程式設計,併發數據結構,等等。理解這些設計原理,並走入底層讀懂每一行Hadoop的源碼更加的重要。

Spark

Spark只是分散式計算平臺,而hadoop已經是分散式計算、存儲、管理的生態系統。與Spark相對應的是Hadoop MapReduce。

Spark相對於Hadoop的優勢,分散式計算僅僅是hadoop的一部分。從內容上來說,還是有些對比:

1、更快

2、更加容易使用

配置起來超級方便。除支持JAVA外,支持scala、python、R。特別是scala,簡直是太適合寫數據分析的程式了,mapreduce用JAVA實在是太蛋疼了。而且RDD自帶的函數

3、巨好用的庫能解決90%問題的四大組件,無論是SQL、還是流數據處理、機器學習庫、圖計算,相當好用。當然,hadoop相關的庫也不少,不過spark是原生包含,用起來方便點。 4、運行方便

Spark是可以脫離hadoop運行的,比如數據可以從資料庫或者本地文件裡面抽取。不過畢竟大數據時代,大家都習慣於將Spark和hadoop通過mesos或者yarn結合起來用;主要用Hadoop的HDFS,當然HBASE或者HIVE這種HDFS之上的組件,Spark也支持。

具體的學習:

1、熟悉如何去寫spark的程式;

2、實踐到一定程度之後,逐漸的通過spark運行日誌對spark的運行機制和原理有瞭解。

看架構、源碼。試試看一些解讀源碼的圖書, Spark的相關知識就已經開始沉澱了。

3、瞭解spark的各個調度器如何實現,之前總是出現在眼睛里的那個寬依賴窄依賴、和stage的切分,task首選位置的確定等。隨著不斷深入,嘗試看底層的block如何讀如何寫,之間如何協調通訊等等。大數據學習資料分享群119599574 不管你是小白還是大牛,小編我都挺歡迎,今天的源碼已經上傳到群文件,不定期分享乾貨,包括我自己整理的一份最新的適合2018年學習的大數據開發和零基礎入門教程,歡迎初學和進階中的小伙伴。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 1. innodb在不同隔離級別下的一致性讀及鎖的差異 不同的隔離級別下,innodb處理sql 時採用的一致性讀策略和需要的鎖是不同的,同時,數據恢復和複製機制的特點,也對一些sql的一致性讀策略和鎖策略有很大影響。對於許多sql, 隔離級別越高,innodb給記錄集的鎖就越嚴格(龍其是使用範圍條 ...
  • 項目中使用最多的就是oracle資料庫了,在實際的開發中書寫SQL時遇到過許多錯誤,總結一下 ...
  • 上面兩篇是安裝和連接,這裡寫一下碰到的問題,安裝後使用SQL Developer連接出現ORA-12541:TNS:無監聽程式。網上搜了一下是安裝的Oracle中自帶的JDK是32位,而程式中使用的SQL Developer是64位不匹配所以不能用, 需要重新下載JDK版本配置一下,這是一種方式。我 ...
  • -- Author: Jackie Law-- Create date: 2018-08-01-- Description: 獲取時間-- Create FUNCTION f_Get_DateTime( @time datetime ,@timeType varchar(10) = 'DMIN')R ...
  • 我裝的版本是Oracle11,64位,直接網上下載即可。安裝過程中也出現了一些坑,現在整理了一下。 1.下載的目錄和安裝的目錄最好放到英文目錄下,別放到中文或者特殊字元的文件夾中,點擊setup.ext直接運行 2.第二步:配置安全更新:本步可將自己的電子郵件地址填寫進去(也可以不填寫)。取消下麵的 ...
  • 轉自:http://www.maomao365.com/?p=6873 摘要: 下文通過案例分析in 關鍵字在值為null的應用舉例, 分析出not in關鍵字在null值產生的異常信息 如下所示: 通過以上測試,我們可以看出not in 查詢關鍵字如果子表中存在空值,則無法查詢出任何記錄,會導致異 ...
  • 數據:信息,記錄。閱讀; 資料庫:數據的倉庫,存儲許多的數據(信息)。按照數據結構來組件、存儲和管理數據的,建立在電腦存儲設備上的倉庫。 DBMS: database management System => 稱為: 數據源庫管理系統 常用的有:Oracle 、SQLSERVER、DB2 、MyS ...
  • 早上同事要我寫個MySQL去除重覆數據的SQL,想起來上次寫過一篇MySQL去除重覆數據的博客,使用導入導出加唯一索引實現的,但是那種方式對業務影響較大,所以重新寫一個存儲過程來刪重覆數據,這一寫就寫了一個上午,這種BUG確實是很令人沮喪和浪費時間的。 這裡把流程簡單的描述一下,刪重覆數據的邏輯很簡 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...