知识卡片

普通读书笔记卡 · 2275.as.6.j.14

Spark减少多阶段重复落盘

理解等级:中级

Spark通过计算图与合适的内存使用,可以减少某些多阶段、迭代任务在步骤间重复写盘和读盘的成本。收益取决于工作集、执行计划、交换和持久化策略,不能把原文“数百倍”当普遍基准,也不能声称所有中间结果自动永远驻留内存。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 大数据技术中台 11.1.2 Spark技术框架 · 查看原书依据

      过去,对大数据进行运算需要编写MapReduce,然而现在它已经被另一个计算框架全面替代,这就是Spark。Spark是加州大学伯克利分校的AMP实验室开源的类似MapReduce的通用并行计算框架,拥有MapReduce所具备的分布式计算的优点。但不同于MapReduce的是,Spark更多地采用内存计算,减少了磁盘读写,比MapReduce性能更高。同时,它提供了更加丰富的函数库,能更好地适用于数据挖掘与机器学习等分析算法。

    参考来源

    - 位置:《架构真意企业级应用架构设计方法论与实践》第11章《大数据技术中台》“11.1.2 Spark技术框架”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/架构真意企业级应用架构设计方法论与实践/_epub-src/EPUB/xhtml/chapter144.xhtml)。 - 结论依据:原文的具体说明支撑这一概括:Spark通过计算图与合适的内存使用,可以减少某些多阶段、迭代任务在步骤间重复写盘和读盘的成本。其余范围限定用于避免超出书内证据。 - 原始内容:过去,对大数据进行运算需要编写MapReduce,然而现在它已经被另一个计算框架全面替代,这就是Spark。Spark是加州大学伯克利分校的AMP实验室开源的类似MapReduce的通用并行计算框架,拥有MapReduce所具备的分布式计算的优点。但不同于MapReduce的是,Spark更多地采用内存计算,减少了磁盘读写,比MapReduce性能更高。同时,它提供了更加丰富的函数库,能更好地适用于数据挖掘与机器学习等分析算法。