spark概述和scala的安装部署

一：spark的特点

1.快速，逻辑回归算法一般需要多次迭代

2.易用，spark支持使用Scala，python，Java，R等语言快速写应用

3.通用，spark可以与SQL语句，实时计算以及其他的分析计算进行良好的结合

4.随处运行。

5.代码简洁，支持Scala，python等语言

二:spark生态圈重要组件简要介绍。

 

1，SparkCore:Spark的核心，提供底层框架及核心支持

2，BlinkDB：一个用于在海量数据进行交互式SQL查询的大规模并进行查询引擎，允许用户通过权衡利弊数据精度缩短查询响应时间，数据的精度将被控制在允许的误差范围内。

3，Spark SQL ：可以执行SQL查询，支持基本的SQL语法和HIveQL语法，可读取的数据包括HIve，HDFS,关系型数据库

4，Spark Steaming：可以进行实时数据流式计算

5，MLBase:MLBase是spark生态圈的一部分，专注于机器学习，学习门槛较低。

6，GrapHx：图计算的应用在很多情况下处理的数据量都是很庞大的。

7，SparckR：SparckR是AMPLab发布的一个R语言开发包，使得R语言编写的程序不只是在单机上面运行，也可以作为Spark的作业运行在集群上，极大地提升了R语言的数据出来能力。

 三：Spark的运行架构

1，客户端：用户提交作业的客户端

2，Diver：负责运行应用程序的main函数并创建Spark Context，应用程序包含Diver功能的代码和发布在集群中多个节点上的Executor代码

3，SparkContext：应用上下文，控制整个生命周期。

4，Cluster Manager：资源管理器，在集群上面获取资源的外部服务，目前主要有Stand alone和YARN

5，SparkWorker：集群中可以运行应用程序的节点，运行一个或者多个Executor

6，Executor：运行在SparkWorker上的任务执行器，Executor启动线程池运行Task，并负责将数据存在内存或者磁盘上，每个应用程序都会申请各自的Executor以处理任务

7，Task：被发送到某个Executor的具体任务

 四：安装好Scala

 scala官网：The Scala Programming Language

五：安装好spark步骤

首先搜索spark官网：The Scala Programming Language

​

spark简介官网 Apache Spark™ - Unified Engine for large-scale data analytics

Spark是一种基于内存的快速、通用、可扩展的大数据分析计算引擎。

MapReduce和Spark的对比

1，内存计算

2，执行速度

3，API和编程模型

4，扩展性

5，容错性

注：Spark处理数据与MapReduce处理数据相比，有如下两个不同点：Spark处理数据时，可以将中间处理结果数据存储到内存中
Spark Job调度以DAG方式，并且每个任务Task执行以线程方式，并不是像MapReduce以进程方式执行。mapreduce里面的shuffle，是指对Map输出结果进行分区、排序、合并等处理并交给Reduce的过程

                                                                                                                                未完待续......