Hadoop與spark是什么

這篇文章主要講解了“Hadoop與spark是什么”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Hadoop與spark是什么”吧！

　　Hadoop是什么?

　　Hadoop在2006年開始成為雅虎項目，隨后晉升為頂級Apache開源項目。它是一種通用的分布式系統基礎架構，具有多個組件：Hadoop分布式文件系統(HDFS)，它將文件以Hadoop本機格式存儲并在集群中并行化; YARN，協調應用程序運行時的調度程序; MapReduce，這是實際并行處理數據的算法。Hadoop使用Java編程語言構建，其上的應用程序也可以使用其他語言編寫。用一個Thrift客戶端，用戶可以編寫MapReduce或者Python代碼。

　　除了這些基本組件外，Hadoop還包括Sqoop，它將關系數據移入HDFS; Hive，一種類似SQL的接口，允許用戶在HDFS上運行查詢; Mahout，機器學習。除了將HDFS用于文件存儲之外，Hadoop現在還可以配置使用S3 buckets或Azure blob作為輸入。

　　它可以在Apache發行版開源，也可以用Cloudera(規模和范圍最大的Hadoop供應商)，MapR或HortonWorks等廠商提供。

　　Spark是什么?

　　Spark是一個較新的項目，在2012年誕生在加州大學伯克利分校的AMPLab。它也是一個頂級Apache項目，專注于在集群中并行處理數據，一大區別在于它在內存中運行。

　　類似于Hadoop讀取和寫入文件到HDFS的概念，Spark使用RDD(彈性分布式數據集)處理RAM中的數據。Spark以獨立模式運行，Hadoop集群可用作數據源，也可與Mesos一起運行。在后一種情況下，Mesos主站將取代Spark主站或YARN以進行調度。

　　Spark是圍繞Spark Core構建的，Spark Core是驅動調度，優化和RDD抽象的引擎，并將Spark連接到正確的文件系統(HDFS，S3，RDBM或Elasticsearch)。Spark Core上還運行了幾個庫，包括Spark SQL，允許用戶在分布式數據集上運行類似SQL的命令，用于機器學習的MLLib，用于解決圖形問題的GraphX以及允許輸入連續流式日志數據的Streaming。

　　Spark有幾個API。原始界面是用Scala編寫的，并且由于大量數據科學家的使用，還添加了Python和R接口。Java是編寫Spark作業的另一種選擇。

　　Databricks是由Spark創始人Matei Zaharia創立的公司，現在負責 Spark開發并為客戶提供Spark分銷。

感謝各位的閱讀，以上就是“Hadoop與spark是什么”的內容了，經過本文的學習后，相信大家對Hadoop與spark是什么這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！