- 1、本文档共41页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
SparkSQL在 的实践
jack
:malloc0
Mar 29, 2015 (Spark Meetup)
⚫ Spark 发展
⚫ Spark在 的应用
⚫ Demo
⚫ 统一SQL分析平台
⚫ Overview
⚫ SparkSQL on Cube
⚫ SparkSQL on HBase
Apache Spark背景介绍
Spark特点:
•内存计算,高性能,100X
•易用,优雅,函数式编程
•统一的大数据处理平台,支持多
种复杂应用
Spark 1.3 发展
SparkSQL: Much more than SQL!
• DataFrame API: 写更少代码
• DataSource API: 读更少数据
• 性能:让Catalyst自动做全局优化
Machine Learning:
• ML Pipeline API: 利用SparkSQL连
接ML各个阶段,并做优化
培育社区生态
• Community Package (50+)
DataFrame API :写更少代码
MapReduce代码 Spark RDD代码
Spark DataFrame代码
从处理转向分析
• From data engineer to data scientist (PyData, R,
statistics)。
• 简化编程,让不熟悉函数式编程的人也能高效使用。
DataSource API :连接 数据源
Source:databricks
全局优化:让Spark编程更轻松
Source:databricks
DataFrame内部实现
• 不管用什么语言写,DataFrame内部实现都是Logical n
• DataFrame的执行是lazy的,所以可以利用Catalyst做全局优化,这是和
pandas的一个重要区别
->所有语言都得到性能提升: Java, Scala, Python, SQL
Source:databricks
性能
Source:databricks
为什么之前的RDD做不了这些优化?
RDD: 任意的数据类型 → DF: 每列都指定了数据类型
RDD: 任意的操作 → DF: 受限的SQL语法
⚫ Spark 发展
⚫ Spark在 的应用
⚫ Demo
⚫ 统一SQL分析平台
⚫ Overv
文档评论(0)