Apache Spark

2016年4月24日 (日) 07:35的版本

Apache Spark：新一代大数据解决方案

Spark 是用Scala语言编写的一套分布式内存计算系统，它的核心抽象模型是 RDD (Resilient Distributed Dataset，弹性分布式数据集)，围绕 RDD 构建了一系列分布式 API，可以直接对数据集进行分布式处理。

相对于 MapReduce 上的批量计算、迭代计算，以及基于 Apache Hive 的 SQL 查询，Spark 可以带来一到两个数量级的性能提升。

Spark在广告领域有很多的成功应用。

Spark SQL on HBase: Spark SQL/DataFrame access to NoSQL data in Apache HBase

通过Spark on YARN的方式与Apache Hadoop方便地共享集群的存储功能和计算资源。

@@ 第19行： / 第19行： @@
 *[http://www.datastax.com/dev/blog/zen-art-spark-maintenance Zen and the Art of Spark Maintenance]
 *[https://github.com/datastax/spark-cassandra-connector DataStax Spark Cassandra Connector]
+==项目==
+[https://cwiki.apache.org/confluence/display/SPARK/Supplemental+Spark+Projects Spark的相关项目和生态系统: Supplemental Spark Projects]
+*[https://github.com/spark-jobserver/spark-jobserver spark-jobserver]
+*[https://github.com/amplab-extras/SparkR-pkg SparkR]
+*[http://mlbase.org/ MLbase]
+*[[Apache Mesos]]
+*[[Alluxio]]
+*[https://github.com/tuplejump/FiloDB FiloDB]
+*[[Zeppelin]], [https://github.com/andypetrella/spark-notebook/ Spark Notebook]
+*[https://github.com/SnappyDataInc/snappydata SnappyData: OLTP + OLAP Database built on Apache Spark]
+*[[Apache Mahout]]使用Spark作为后端
+*[http://blinkdb.org/ BlinkDB]
+*[https://github.com/adobe-research/spindle Spindle]
+*[http://simin.me/projects/spatialspark/ SpatialSpark]
 ==课程==