Spark成云计算大数据时代的集大成者

来源:CIO时代网  
2015/5/15 17:46:39
   Spark是发源于美国加州大学伯克利分校AMPLab的集群计算平台,它立足于内存计算,性能超过Hadoop百倍,从多迭代批量处理出发,兼收并蓄数据仓库、流处理和图计算等多种计算范式,是罕见的全能选手。Spark采用一个统一的技术堆栈解决了云计算大数据的如流处理、图技术、机器学习、NoSQL查询等方面的所有核心问题,具有完善的生态系统,这直接奠定了其一统云计算大数据领域的霸主地位。
    伴随Spark技术的普及推广,对专业人才的需求日益增加。Spark专业人才在未来也是炙手可热,而要想成为Spark高手,也需要一招一式,从内功练起。

本文关键字: Spark

 

    Spark是发源于美国加州大学伯克利分校AMPLab的集群计算平台,它立足于内存计算,性能超过Hadoop百倍,从多迭代批量处理出发,兼收并蓄数据仓库、流处理和图计算等多种计算范式,是罕见的全能选手。Spark采用一个统一的技术堆栈解决了云计算大数据的如流处理、图技术、机器学习、NoSQL查询等方面的所有核心问题,具有完善的生态系统,这直接奠定了其一统云计算大数据领域的霸主地位。


    伴随Spark技术的普及推广,对专业人才的需求日益增加。Spark专业人才在未来也是炙手可热,轻而易举可以拿到百万的薪酬。而要想成为Spark高手,也需要一招一式,从内功练起:通常来讲需要经历以下阶段:


    第一阶段:熟练的掌握Scala语言


    Spark框架是采用Scala语言编写的,精致而优雅。要想成为Spark高手,你就必须阅读Spark的源代码,就必须掌握Scala,;


    虽然说现在的Spark可以采用多语言Java、Python等进行应用程序开发,但是最快速的和支持最好的开发API依然并将永远是Scala方式的API,所以你必须掌握Scala来编写复杂的和高性能的Spark分布式程序;


    尤其要熟练掌握Scala的trait、apply、函数式编程、泛型、逆变与协变等;


    第二阶段:精通Spark平台本身提供给开发者API


    掌握Spark中面向RDD的开发模式,掌握各种transformation和action函数的使用;


    掌握Spark中的宽依赖和窄依赖以及lineage机制;


    掌握RDD的计算流程,例如Stage的划分、Spark应用程序提交给集群的基本过程和Worker节点基础的工作原理等


    第三阶段:深入Spark内核


    此阶段主要是通过Spark框架的源码研读来深入Spark内核部分:


    通过源码掌握Spark的任务提交过程;


    通过源码掌握Spark集群的任务调度;


    尤其要精通DAGScheduler、TaskScheduler和Worker节点内部的工作的每一步的细节;


    第四阶级:掌握基于Spark上的核心框架的使用


    Spark作为云计算大数据时代的集大成者,在实时流处理、图技术、机器学习、NoSQL查询等方面具有显著的优势,我们使用Spark的时候大部分时间都是在使用其上的框架例如Shark、Spark Streaming等:


    Spark Streaming是非常出色的实时流处理框架,要掌握其DStream、transformation和checkpoint等;


    Spark的离线统计分析功能,Spark 1.0.0版本在Shark的基础上推出了Spark SQL,离线统计分析的功能的效率有显著的提升,需要重点掌握;


    对于Spark的机器学习和GraphX等要掌握其原理和用法;


    第五阶级:做商业级别的Spark项目


    通过一个完整的具有代表性的Spark项目来贯穿Spark的方方面面,包括项目的架构设计、用到的技术的剖析、开发实现、运维等,完整掌握其中的每一个阶段和细节,这样就可以让您以后可以从容面对绝大多数Spark项目。


    第六阶级:提供Spark解决方案


    彻底掌握Spark框架源码的每一个细节;


    根据不同的业务场景的需要提供Spark在不同场景的下的解决方案;


    根据实际需要,在Spark框架基础上进行二次开发,打造自己的Spark框架;


    前面所述的成为Spark高手的六个阶段中的第一和第二个阶段可以通过自学逐步完成,随后的三个阶段最好是由高手或者专家的指引下一步步完成,最后一个阶段,基本上就是到"无招胜有招"的时期,很多东西要用心领悟才能完成。


    针对Spark人员的培养,目前国内的专业机构,大多还是在Android和Hadoop方向上提供相关的课程及训练。Spark亚太研究院,作为国内首家Spark技术研究及推广机构,在帮助企业规划、部署、开发、培训和使用Spark为核心,同时提供Spark源码研究和应用技术训练。在完成了对Spark源码的彻底研究的同时不断在实际环境中使用Spark的各种特性的基础之上,Spark亚太研究院推出了国内首个Spark训练体系:《18小时内掌握Spark》、《Spark企业级开发最佳实践》、《精通Spark:Spark内核剖析、源码解读、性能优化和商业案例实战》、《Spark 1.0.0企业级开发动手》、《Spark架构案例鉴赏》、《精通Spark的开发语言:Scala最佳实践》, 帮助学习者,通过上述几个阶段的培养,逐步精通spark技术。

 

 

责编:何鹏
vsharing微信扫一扫实时了解行业动态
portalart微信扫一扫分享本文给好友

发表评论

         看不清,换一个

著作权声明:畅享网文章著作权分属畅享网、网友和合作伙伴,部分非原创文章作者信息可能有所缺失,如需补充或修改请与我们联系,工作人员会在1个工作日内配合处理。
最新专题
IT系统一体化时代来了

2009年Oracle 用Exadata服务器告诉企业,数据中心的IT服务一体化解决方案才是大势所趋,而当前企业对大数据处理的..

高性能计算——企业未来发展的必备..

“天河二号”问鼎最新全球超级计算机500强,更新的Linpack值让世界认识到了“中国速度”。但超算不能只停留于追求..

    畅享
    首页
    返回
    顶部
    ×
      信息化规划
      IT总包
      供应商选型
      IT监理
      开发维护外包
      评估维权
    客服电话
    400-698-9918