弄清Spark、Storm、MapReduce的这几点区别才能学好大数据
很多初学者在刚刚接触大数据的时候会有很多疑惑,比如对mapreduce、storm、spark三个计算框架的理解经常会产生混乱。
哪一个适合对大量数据进行处理?哪一个又适合对实时的流数据进行处理?又该如何来区分他们呢?
我对比整理了这3个计算框架的基本知识,大家可以了解一下以便对这个3个计算框架有一个整体的认识。
大数据学习群119599574
mapreduce
-
分布式离线计算框架
-
主要适用于大批量的集群任务,由于是批量执行,故时效性偏低。
-
原生支持 java 语言开发 mapreduce ,其它语言需要使用到 hadoop streaming 来开发。
spark
-
spark 是专为大规模数据处理而设计的快速通用的计算引擎,其是基于内存的迭代式计算。
-
spark 保留了mapreduce 的优点,而且在时效性上有了很大提高,从而对需要迭代计算和有较高时效性要求的系统提供了很好的支持。
-
开发人员可以通过java、scala或者python等语言进行数据分析作业编写,并使用超过80种高级运算符。
-
spark与hdfs全面兼容,同时还能与其它hadoop组件—包括yarn以及hbase并行协作。
-
spark可以被用于处理多种作业类型,比如实时数据分析、机器学习与图形处理。多用于能容忍小延时的推荐与计算系统。
storm
-
storm是一个分布式的、可靠的、容错的流式计算框架。
-
storm 一开始就是为实时处理设计,因此在实时分析/性能监测等需要高时效性的领域广泛采用。
-
storm在理论上支持所有语言,只需要少量代码即可完成适配。
-
storm把集群的状态存在zookeeper或者本地磁盘,所以后台进程都是无状态的(不需要保存自己的状态,都在zookeeper上),可以在不影响系统健康运行的同时失败或重启。
-
storm可应用于--数据流处理、持续计算(持续地向客户端发送数据,它们可以实时的更新以及展现数据,比如网站指标)、分布式远程过程调用(轻松地并行化cpu密集型操作)。
如何用4个月学会hadoop开发并找到年薪25万工作?
免费分享一套18年最新hadoop大数据教程和100道hadoop大数据必会面试题。
大数据学习群119599574
教程已帮助300+人成功转型hadoop开发,90%起薪超过20k,工资比之前翻了一倍。
由百度hadoop核心架构师(t7级别)亲自录制。
内容包括0基础入门、hadoop生态系统、真实商业项目实战3大部分。其中商业案例可以让你接触真实的生产环境,训练自己的开发能力。
下一篇: 张家界百龙天梯好玩吗 百龙天梯游玩测评