在过去的一年之中，我们一直在利用Spark做实时交互式分析系统方面的尝试，有兴趣的同学可以看一下我们之前分享的博客《基于Spark的用户分析系统》。我们在不断受到Spark启发的同时，也不得不忍受尚处于青春期的Spark性格中的叛逆。特别是在不断优化系统性能过程中，发现我们实际上是在做与Project Tungs
转载
2023-12-27 22:01:01
58阅读
今天先安装好了spark，利用spark里自带的Scala运行了几个简单的Scala程序，看教学视频了解了点儿简单的语法，截图如下： 接着安装scala ide for eclipse，安装在了usr/local目录下，本以为他会正常的替代原来的eclipse，因为我之前有这样直接解压到里面直接就替换了，这次解压之后不仅之前的还在，而且两个eclipse都没法正常使用了&nb
转载
2023-12-12 15:31:18
281阅读
sparkstreaming和flink的区别–组件：sparkstreaming：Master:主要负责整体集群资源的管理和应用程序调度；Worker:负责单个节点的资源管理，driver 和 executor 的启动等；Driver:用户入口程序执行的地方，即 SparkContext 执行的地方，主要是 DGA 生成、stage 划分、task 生成及调度；Executor:负责执行 tas
转载
2023-08-11 23:56:23
123阅读
大纲：Spark Streaming概述DStreamSpark Streaming WordCount 1、Spark Streaming概述1.1 什么是Spark StreamingSpark Streaming类似于Apache Storm，用于流式数据的处理。根据其官方文档介绍，Spark Streaming有高吞吐量和容错能力强等特点。Spark Stre
转载
2024-06-08 14:31:32
69阅读
1、基本概念（了解） ①流（Streaming）： 是一种数据传送技术，它把客户机收到的数据变成一个稳定连续的流，源源不断地送出，使用户听到的声音或看到的图象十分平稳， 而且用户在整个文件送完之前就可以开始在屏幕上浏览文件。 ②常见的流式计算框架 Apache Storm Spark Streaming Apache Flink
一、Spark Streaming概述1.1 Spark Streaming是什么？Spark Streaming用于流式数据的处理。Spark Streaming支持的数据输入源很多，例如：Kafka、Flume、Twitter、ZeroMQ和简单的 TCP套接字等等。数据输入后可以用 Spark 的高度抽象原语如：map、reduce、join、window等进行运算。而结果也能保存在很多地方
转载
2023-10-26 22:30:28
138阅读
6月29日，Doris有幸得到中国信通院云大所、大数据技术标准推进委员会的支持，在中国信通院举行了0.11.0新版本预览线下沙龙。各位嘉宾都带来了干货满满的分享。关注Doris官方公众号，后台回复“0629”即可获取各位嘉宾分享PPT及现场录像。今天是朱良昌同学代表百度智能云流式计算团队带来Spark Streaming对接Doris 设计与实现的分享。业务场景Spark Streaming（主要
转载
2024-10-09 12:26:01
213阅读
Spark和MapReduce都是用来处理海量数据，但是在处理方式和处理速度上却不同。第一，spark处理数据是基于内存的，而MapReduce是基于磁盘处理数据的。MapReduce是将中间结果保存到磁盘中，减少了内存占用，牺牲了计算性能。Spark是将计算的中间结果保存到内存中，可以反复利用，提高了处理数据的性能。
转载
2021-12-07 10:41:00
188阅读
MRShuffle 和 SparkShuffle 机制和原理分析MR的ShuffleShuffle是什么？（以下部分图片来自于网络，侵删）Shuffle的本义是洗牌、混洗，把一组有一定规则的数据尽量转换成一组无规则的数据，越随机越好。MapReduce中的Shuffle更像是洗牌的逆过程，把一组无规则的数据尽量转换成一组具有一定规则的数据为什么MapReduce计算模型需要Shuffle过程？ 我
转载
2023-12-13 18:42:50
53阅读
1、SparkStreaming && Storm的区别？答：
SparkStreaming 是微批处理，不是真正的实时，它的实时性取决于自定义的间隔是多大。
Storm是真正意义上的实时处理，因为它是一条一条处理数据的。但Storm的吞吐量比起SparkStreaming是要小很多的。
SparkStreaming依托于Spark
转载
2024-04-17 15:25:48
55阅读
网上查阅一些资料，收集整理如下：1、 通用性spark更加通用，spark提供了transformation和action这两大类的多个功能api，另外还有流式处理sparkstreaming模块、图计算GraphX等等；mapreduce只提供了map和reduce两种操作，流计算以及其他模块的支持比较缺乏。2、 内存利用和磁盘开销MapReduce的设计：中间结果需要写磁盘，Reduce写HD
转载
2023-09-20 16:27:26
52阅读
本文整理自云栖社区之前对阿里搜索事业部资深搜索专家蒋晓伟老师的一次采访，蒋晓伟老师，认真而严谨。在加入阿里之前，他曾就职于西雅图的脸书，负责过调度系统，Timeline Infra和Messenger的项目。而后在微软的SQL Server引擎担任过Principal Engineer，负责关系数据库的架构工作。2014年加入阿里以后，作为阿里搜索事业部资深搜索专家，他负责搜索工程的数据团队。谈起
转载
2024-01-05 21:35:02
49阅读
官方直达电梯Spark一种基于内存的通用的实时大数据计算框架(作为MapReduce的另一个更优秀的可选的方案)通用：Spark Core 用于离线计算，Spark SQL 用于交互式查询，Spark Streaming 用于实时流式计算，Spark Mlib 用于机器学习，Spark GraphX 用于图计算实时：Run programs up to 100x faster than Hadoo
转载
2023-07-24 09:47:28
74阅读
Job触发流程原理与源码原理
Spark在执行我们编写的代码的时候，当遇到Action的时候，就会触发一次Job，因为所有的Action方法在链式调用runJob方法的时候，最后一个runJob方法中总DAGSchedule的runJob方法，而DAGSchedule是初始化SparkContext的时候事先创建好的。以foreach方法来阐述Job的触发流程 DAGScheduler原理与源码分
转载
2024-09-18 18:27:24
73阅读
【delphi】微信公众号控件开发（二） 三、架构说明1. 使用的控件2. 网页授权3. 网页中有Ajax请求的约定3.1 公众号JSSDK授权：10013.2 身份证识别：10023.3 通用JSON请求命令：9994. 重要函数说明5. SparkleGenericServerProcessRequest函数处理流程图 ) 三、架构说明本章说明微信公众号控件内部使用的控件以及整体架构。1.
Spark学习总结 文章目录Spark学习总结什么是大数据Spark介绍及特点Spark架构及重要角色Spark程序启动流程基础篇`Dataset`和`DataFrame`广播变量累加器算子篇转化算子，行动算子，持久化算子的区别非shuffle类算子shuffle类算子`sortby`和`sortbykey``groupByKey`和`reduceByKey`扩展篇广播变量特性是不能修改分组取`t
资源粒度MR是基于进程，MR的每一个task都是一个进程，当task完成时，进程也会结束spark是基于线程，Spark的多个task跑在同一个进程上，这个进程会伴随spark应用程序的整个生命周期，即使没有作业进行，进程也是存在的所以，spark比MR快的原因也在这，MR启动就需要申请资源，用完就销毁，但是spark把进程拿到以后，这个进程会一直存在，即使没有job在跑，所以后边的job可以直接
转载
2023-06-11 15:22:56
81阅读
作者介绍：TNTEVE，MapReduce MapReduce是编程模型，也是计算框架。开发人员基于MapReduce编程模型进行编程开发，然后将程序通过MapReduce计算框架分发到Hadoop集群中运行。MapReduce编程模型只包含Map和Reduce两个过程，map的主要输入是一对<Key, Value>值，经过map计算后输出一对<
转载
2024-08-14 17:34:04
32阅读
Spark Streaming与Storm都可以用于进行实时流计算。但是他们两者的区别是非常大的。其中区别之一就是，Spank Streaming和Stom的计算模型完全不一样，Spark Streaming是基于RDD的，因此需要将一小段时间内的，比如1秒内的数据，收集起来，作为一个RDD.然后再针对这个batch的数据进行处理。而Storm却可以做到每来一条数据， 都可以立即进行处理和计算。
转载
2024-01-08 18:15:58
42阅读
在spark中，RDD、DataFrame、Dataset是最常用的数据类型，本博文给出笔者在使用的过程中体会到的区别和各自的优势 共性：1、RDD、DataFrame、Dataset全都是spark平台下的分布式弹性数据集，为处理超大型数据提供便利2、三者都有惰性机制，在进行创建、转换，如map方法时，不会立即执行，只有在遇到Action如foreach时，三者才会开始遍历运算，极端情
转载
2024-05-21 14:37:35
22阅读
