Spark2.4.0 今天官网发布,这是一个大好消息。
Spark 2.4.0是2.x的第五个发型版本。官方发布消息链接如下:
http://spark.apache.org/releases/spark-release-2-4-0.html
此版本继续关注可用性,稳定性和优化,浪尖在这里摘要翻译一下,主要的关注点:
SparkCore 和 SQL
-
增加了Barrier ExecutionMode,可以更好的和深度学习的框架整合
-
同时引入了 30+ 内置函数和 higher-order函数可以处理更复杂的数据类型
-
改善了与k8s的整合
-
支持scala 2.12
-
内置支持了Avro格式数据源,这个感情好,后面浪尖给出测试案例,以后有pb的支持那就更好了。
性能和稳定性
这个优化比较多,值得关注
-
Connector优化
这个优化主要是Parquet,orc,csv及avro等的优化升级
MLlib
-
MLlib支持了图像格式的数据源
StructuredStreaming
-
使用foreachBatch(支持Python,Scala和Java)将每个微批的输出行暴露为DataFrame。
-
为Python API 增加了foreach 和 ForeachWriter
-
支持使用“kafka.isolation.level”读取使用事务的生产者生产到kafka topic的已提交消息。
Spark SQL的升级页面里也有对Spark 2.4 在 SQL 方面的调整优化,大家有兴趣也可以看看,有没有自己关注的bug被修复了。
http://spark.apache.org/docs/latest/sql-migration-guide-upgrade.html#upgrading-from-spark-sql-23-to-24
细心的同学注意到了,Spark Streaming已经稳定到不用更新了,,,还是说Spark Streaming已经凉凉了。