开源云计算系统 Spark

Hadoop Scala   2012-01-05 19:38:13 发布
您的评价:
     
4.3
收藏     9收藏
文件夹
标签
(多个标签用逗号分隔)

Spark是一个开源的集群计算系统,用于快速数据分析,包括快速运行和快速写操作。Spark 是一种与 Hadoop 相似的开源云计算系统,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。

尽管创建 Spark 是为了支持分布式数据集上的迭代作业,但是实际上它是对 Hadoop 的补充,可以在 Hadoo 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。Spark 由加州大学伯克利分校 AMP 实验室 (Algorithms, Machines, and People Lab) 开发,可用来构建大型的、低延迟的数据分析应用程序。

val file = spark.textFile("hdfs://...")
 
file.flatMap(line => line.split(" "))
    .map(word => (word, 1))
    .reduceByKey(_ + _) 

开源集群计算环境 Spark

项目主页:http://www.open-open.com/lib/view/home/1325763278437

扩展阅读

Apache Spark 的R语言前端:SparkR
Spark:比Hadoop更强大的分布式数据计算项目
分布式计算框架:Google Cloud Dataflow
不同的瑞士军刀:对比 Spark 和 MapReduce
从Hadoop到Spark的架构实践

为您推荐

开源大数据处理系统/工具大全
五种基于 MapReduce 的并行计算框架介绍及性能测试
Apache Spark 的R语言前端:SparkR
hadoop 2.0 详细配置教程
Hadoop 2.0集群配置详细教程

更多

Hadoop
Scala
分布式/云计算
相关文档  — 更多
相关经验  — 更多
相关讨论  — 更多