目录
什么是spark：
功能历史上和hadoop的区别：
spark的五大核心模块：
➢ Spark Core
什么是spark：
简单一点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。属于mapreduce的加强版本，结合了其优点而且spark是可以将数据保存在内存中从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法。
功能历史上和hadoop的区别：
首先从时间节点上来看: ➢ Hadoop ⚫ 年 1 月，Doug Cutting 加入 Yahoo，领导 Hadoop 的开发 ⚫ 年 1 月，Hadoop 成为 Apache 顶级项目 ⚫ 年 1.0 正式发布 ⚫ 年 3 月稳定版发布 ⚫ 年 10 月发布 2.X (Yarn)版本 ➢ Spark ⚫ 年，Spark 诞生于伯克利大学的 AMPLab 实验室 ⚫ 年，伯克利大学正式开源了 Spark 项目 ⚫ 年 6 月，Spark 成为了 Apache 基金会下的项目 ⚫ 年 2 月，Spark 以飞快的速度成为了 Apache 的顶级项目 ⚫ 年至今，Spark 变得愈发火爆，大量的国内公司开始重点部署或者使用 Spark 然后我们再从功能上来看: ⚫ Hadoop 是由 java 语言编写的，在分布式服务器集群上存储海量数据并运行分布式 分析应用的开源框架 ⚫ 作为 Hadoop 分布式文件系统，HDFS 处于 Hadoop 生态圈的最下层，存储着所有 的 数 据 ， 支 持 着 Hadoop 的 所 有 服 务 。 它 的 理 论 基 础 源 于 Google 的 TheGoogleFileSystem 这篇论文，它是 GFS 的开源实现。 ⚫ MapReduce 是一种编程模型，Hadoop 根据 Google 的 MapReduce 论文将其实现， 作为 Hadoop 的分布式计算模型，是 Hadoop 的核心。基于这个框架，分布式并行 程序的编写变得异常简单。综合了 HDFS 的分布式存储和 MapReduce 的分布式计 算，Hadoop 在处理海量数据时，性能横向扩展变得非常容易。 ⚫ HBase 是对 Google 的 Bigtable 的开源实现，但又和 Bigtable 存在许多不同之处。 HBase 是一个基于 HDFS 的分布式数据库，擅长实时地随机读/写超大规模数据集。 它也是 Hadoop 非常重要的组件。 ➢ Spark ⚫ Spark 是一种由 Scala 语言开发的快速、通用、可扩展的大数据分析引擎 ⚫ Spark Core 中提供了 Spark 最基础与最核心的功能 ⚫ Spark SQL 是 Spark 用来操作结构化数据的组件。通过 Spark SQL，用户可以使用 SQL 或者 Apache Hive 版本的 SQL 方言（HQL）来查询数据。 ⚫ Spark Streaming 是 Spark 平台上针对实时数据进行流式计算的组件，提供了丰富的 处理数据流的 API。 由上面的信息可以获知，Spark 出现的时间相对较晚，并且主要功能主要是用于数据计算， 所以其实 Spark 一直被认为是 Hadoop 框架的升级版。
spark的五大核心模块：
➢Spark CoreSpark Core 中提供了 Spark 最基础与最核心的功能，Spark 其他的功能如：Spark SQL， Spark Streaming，GraphX, MLlib 都是在 Spark Core 的基础上进行扩展的 ➢Spark SQLSpark SQL 是 Spark 用来操作结构化数据的组件。通过 Spark SQL，用户可以使用 SQL 或者 Apache Hive 版本的 SQL 方言（HQL）来查询数据。 ➢Spark StreamingSpark Streaming 是 Spark 平台上针对实时数据进行流式计算的组件，提供了丰富的处理 数据流的 API。 ➢Spark MLlibMLlib 是 Spark 提供的一个机器学习算法库。MLlib 不仅提供了模型评估、数据导入等 额外的功能，还提供了一些更底层的机器学习原语。 ➢Spark GraphXGraphX 是 Spark 面向图计算提供的框架与算法库。 然后我们主要学习这五大板块内容（更新中）➢ Spark Core
如果觉得《大数据之spark详解》对你有帮助，请点赞、收藏，并留下你的观点哦！
