Spark为什么要在Hadoop基础之上搭建

发布网友发布时间：2022-04-22 04:23

共1个回答

热心网友时间：2022-04-15 01:22

这个问题让我想起来之前看到的一篇关于spark和hadoop区别的文章，从二者的区别上基本可以分析为spark为何要在hadoop基础上搭建。看一下下面的几点：
1、目的：首先需要明确一点，hadoophe spark 这二者都是大数据框架，即便如此二者各自存在的目的是不同的。Hadoop是一个分布式的数据基础设施，它是将庞大的数据集分派到由若干台计算机组成的集群中的多个节点进行存储。Spark是一个专门用来对那些分布式存储的大数据进行处理的工具，spark本身并不会进行分布式数据的存储。
2、两者的部署：Hadoop的框架最核心的设计就是：HDFS和MapRece。HDFS为海量的数据提供了存储，则MapRece为海量的数据提供了计算。所以使用Hadoop则可以抛开spark，而直接使用Hadoop自身的maprece完成数据的处理。Spark是不提供文件管理系统的，但也不是只能依附在Hadoop上，它同样可以选择其他的基于云的数据系统平台，但spark默认的一般选择的还是hadoop。
3、数据处理速度：Spark，拥有Hadoop、 MapRece所具有能更好地适用于数据挖掘与机器学习等需要迭代的的优点；但不同于MapRece的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。
4、数据安全恢复：Hadoop每次处理的后的数据是写入到磁盘上，所以其天生就能很有弹性的对系统错误进行处理；spark的数据对象存储在分布于数据集群中的叫做弹性分布式数据集中，这些数据对象既可以放在内存，也可以放在磁盘，所以spark同样可以完成数据的安全恢复。