Spark1——介绍
1、Spark是什么
Spark是一个用来实现快速而通用的集群计算的平台。
2、Spark是一个大一统的软件栈
Spark项目包含多个紧密集成的组件。首先Spark的核心是一个对由很多计算任务组成的、运行在多个工作机器或者是一个计算集群上的应用进行调度、分发以及监控的计算引擎。
Spark的个组件如下图所示:
- Apache Spark 也就是Spark的核心部分,也称为Spark Core,这个部分实现了Spark的基本功能,包含任务调度、内存管理、错误恢复、与存储系统交互模块,还包含了对弹性分布式数据集(RDD)的API定义。
- Spark SQL是Spark用来操作结构化数据的程序包。通过Spark SQL,我们可以使用SQL或者HQL来查询数据。
- Spark Streaming 是Spark提供的对实时数据进行流式计算的组件。比如生产环境中的网页服务器日志,或是网络服务中用户提交的状态更新组成的消息队列,都是消息流
- MLlib这是一个包含了常见机器学习功能的程序库,包括分类、回归、聚类、协同过滤等
- GraphX是用来操作图的程序库,可以进行并行的图计算。
3、Spark的核心概念
从上层来看,每个Spark应用都由一个驱动器程序来发起集群上的并行操作。驱动器程序包含应用的main函数,并且定义了集群上的分布式数据集,还对这些分布式数据集应用了相关操作。
驱动器程序通过一个SparkContext对象来访问Spark。这个对象代表对计算集群的一个连接,当Spark shell启动时已自动创建了一个SparkContext对象。
val textFile = sc.textFile("hdfs://...") val counts = textFile.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_ + _) counts.saveAsTextFile("hdfs://...")
这里的sc变量,就是自动创建的SparkContext对象。通过它就可以来创建RDD,调用sc.textFile()来创建一个代表文件各行文本的RDD。
通过RDD我们就可以在这些行上进行各种操作,通常驱动器程序要管理多个执行器节点。比如,如果我们在集群上运行输出操作,那么不同的节点就会统计文件不同部分的行数。
4、初始化SparlContext
一旦完成了应用与Spark的连接,接下来就需要在程序中导入Spark包并创建SparkContext.我们可以通过先创建一个SparkConf对象来配置应用,然后基于这个SparkConf来创建一个Sparktext对象。
val conf = new SparkConf().setAppName("wordcount").setMaster("local") val sc = new SparkContext(conf)
这里创建了SparkContext的最基础的方法,只需要传递两个参数:
- 应用名:这里使用的是"wordcount ",当连接到一个集群的时候,这个值可以帮助我们在集群管理器的用户界面中找到你的应用,这是这个程序运行后的集群管理器的截图
- 集群URL:告诉Spark如何连接到集群上,这里使用的是local,这个特殊的值可以让Spark运行在单机单线程上而无需连接到集群上
转载于:https://www.cnblogs.com/xxbbtt/p/8425376.html
Spark1——介绍相关推荐
- spark1.x和2.xIterable和iterator兼容问题
1. spark 1.x 升级到spark 2.x 对于普通的spark来说,变动不大 : 1 举一个最简单的实例:spark1.x public static JavaRDD<String&g ...
- SparkSQL(Spark-1.4.0)实战系列(一)——DataFrames基础
主要内容 本教程中所有例子跑在Spark-1.4.0集群上 DataFrames简介 DataFrame基本操作实战 DataFrames简介 本文部分内容译自https://databricks.c ...
- Spark1.3.0安装
之前在用Hadoop写ML算法的时候就隐约感觉Hadoop实在是不适合ML这些比较复杂的算法.记得当时写完kmeans后,发现每个job完成后都需要将结果放在HDFS中,然后下次迭代的时候再从文件中读 ...
- spark sql基本使用方法介绍(转载)
spark sql基本使用方法介绍 Spark中可以通过spark sql 直接查询Hive或impala中的数据, 一.启动方法 /data/spark-1.4.0-bin-cdh4/bin/spa ...
- Scala _01介绍安装使用
Scala介绍 1.Spark1.6中使用的是Scala2.10.Spark2.0版本以上使用是Scala2.11版本. 2.Scala官网6个特征. Java和scala可以混编 类型推测(自动推测 ...
- spark1.3.1使用基础教程
spark可以通过交互式命令行及编程两种方式来进行调用: 前者支持scala与python 后者支持scala.python与java 本文参考https://spark.apache.org/doc ...
- 安装spark1.3.1单机环境
本文介绍安装spark单机环境的方法,可用于测试及开发.主要分成以下4部分: (1)环境准备 (2)安装scala (3)安装spark (4)验证安装情况 1.环境准备 (1)配套软件版本要求:Sp ...
- Apache Spark1.1.0部署与开发环境搭建 - Mark Lin
Spark是Apache公司推出的一种基于Hadoop Distributed File System(HDFS)的并行计算架构.与MapReduce不同,Spark并不局限于编写map和reduce ...
- 原理系列:Spark1.x 生态圈一览
Spark生态圈,也就是BDAS(伯克利数据分析栈),是伯克利APMLab实验室精心打造的,力图在算法(Algorithms).机器(Machines).人(People)之间通过大规模集成,来展现大 ...
最新文章
- 一篇让你搞懂 Nginx
- 机器学习并不“万能”
- 使用STC8G1K08制作调频接收模块TEA5767配置电路
- 学计算机怎样才能考上大学,中国式家长考清华北大方法 重点大学怎么才能考上...
- POJ - 2449 Remmarguts' Date(第k短路:spfa+A*)
- Python Threading 多线程编程
- 由奥迪车灯想到的前端动画
- 杂谈3之English
- java中读取logback日志文件_java 中使用logback日志,并实现日志按天分类压缩保存。...
- 景安mysql主机_景安虚拟主机使用教程
- 之江天枢正式开源!一文详解天枢核心优势
- Android 异步任务
- ubuntu系统下vscode字体显示异常(别扭)
- 4-5. do...while循环
- Vue文字走马灯(文字轮播)组件
- DDIA - 读书笔记
- 论文解读(GMI)《Graph Representation Learning via Graphical Mutual Information Maximization》
- cs224w(图机器学习)2021冬季课程学习笔记12 Knowledge Graph Embeddings
- pycharm中导入pyQt无法使用
- market.Benchmarking: (models.W042) Auto-created primary key used when not defining a primary key typ
热门文章
- 位运算和进制转换,反码补码
- su联合推拉插件_[实习小记一一SU建模]
- gitpython git diff_Python全栈开发-git常用命令
- 【安卓开发 】Android初级开发(十二)Android向系统日历中添加事件
- Objective-C学习中对 C语言的扩展
- 粒子群算法组卷_粒子群(PSO)算法概念及代码实现
- .sql文件如何执行_mysql:一条SQL查询语句是如何执行的?
- linux ps 代码,Linux ps命令详解(示例代码)
- 常见光纤收发器组网方式介绍
- 3G-SDI光端机产品技术参数规格及产品应用领域