Spark教程(2)-Spark概述及相关组件

2.Spark组件

  • Spark Core

Spark Core 实现了 Spark 的基本功能，包含任务调度、内存管理、错误恢复、与存储系统
交互等模块。
Spark Core 中还包含了对弹性分布式数据集（resilient distributed dataset，简
称 RDD）定义。

  • SparkSQL

SparkSQL是对计算任务的SQL化封装,类似于Hive.
支持多种数据源,如Hive,Json等.

  • Spark Streaming

Spark Streaming是Spark的流式计算组件.

  • MLlib
    机器学习组件,提供了常用的机器学习算法包.
  • GraphX
    图计算组件,提供的图数据库和常用的图算法包.
  • 调度器

支持三种调度器,独立调度器(Spark自带)YARN,Mesos.

3.第一个Spark小程序

启动HDFS,启动Spark

进入shell
bin/spark-shell
bin/pyspark(Python版)

scala> var lines = sc.textFile("/test/hello.txt")
lines: org.apache.spark.rdd.RDD[String] = /test/hello.txt MapPartitionsRDD[5] at textFile at <console>:24

scala> lines.count()
res3: Long = 3

scala> lines.first()
res4: String = hello Spark!

posted on 2018-11-21 09:39  观离  阅读(369)  评论(0)    收藏  举报

导航