4.     可融合性

Spark可以運行在standalone、YARN、Mesos、Kubernetes及EC2多種調(diào)度平臺上。其中Standalone模式不依賴第三方的資源管理器和調(diào)度器，這樣降低了Spark的使用門檻，使得所有人可以非常容易地部署和使用Spark。

Spark可以處理所有Hadoop支持的數(shù)據(jù)，包括HDFS、Apach HBase、Apach Kudu、Apach Cassanda等。這對于已部署Hadoop集群的用戶特別重要，因為不需要做任何數(shù)據(jù)遷移就可以使用Spark強大的處理能力。

三、  Spark 相比MapReduce優(yōu)勢

Spark與MapReduce 同為計算框架，但作為后起之秀，Spark借鑒了MapReduce,并在其基礎(chǔ)上進行了改進，使得算法性能明顯優(yōu)于MapReduce，下面大致總結(jié)一下兩者差異：

1)   Spark把運算的中間數(shù)據(jù)存放在內(nèi)存，迭代計算效率更高；MapReduce的中間結(jié)果需要落地到磁盤，磁盤io操作多，影響性能。

2)   Spark容錯性高，它通過Lineage機制實現(xiàn)RDD算子的高效容錯，某一部分丟失或者出錯，可以通過整個數(shù)據(jù)集的計算流程的血緣關(guān)系來實現(xiàn)重建；MapReduce的話容錯可能只能重新計算了，成本較高。

3)   Spark更加通用，Spark提供了transformation和action這兩大類的多個功能算子，操作更為方便；MapReduce只提供了map和reduce兩種操作。

4)   Spark框架和生態(tài)更為復(fù)雜，首先有RDD、血緣lineage、執(zhí)行時的有向無環(huán)圖DAG、stage劃分等等，很多時候spark作業(yè)都需要根據(jù)不同業(yè)務(wù)場景的需要進行調(diào)優(yōu)已達到性能要求；MapReduce框架及其生態(tài)相對較為簡單，對性能的要求也相對較弱，但是運行較為穩(wěn)定，適合長期后臺運行。

四、  Spark與工業(yè)互聯(lián)網(wǎng)平臺

工業(yè)互聯(lián)網(wǎng)帶來了工業(yè)數(shù)據(jù)的快速發(fā)展，對于日益增加的海量數(shù)據(jù)，傳統(tǒng)單機因本身的軟硬件限制無法應(yīng)對海量數(shù)據(jù)的處理、分析以及深度挖掘，但作為分布式計算框架的Spark卻能輕松應(yīng)付這些場景。在工業(yè)互聯(lián)網(wǎng)平臺上，Spark 既能快速實現(xiàn)工業(yè)現(xiàn)場海量流數(shù)據(jù)的處理轉(zhuǎn)換，又能輕松應(yīng)對工業(yè)大數(shù)據(jù)平臺中海量數(shù)據(jù)的快速批處理分析，自身集成的機器學(xué)習(xí)框架能夠?qū)�海量工業(yè)數(shù)據(jù)進行深度挖掘分析，從而幫助管理者進行決策分析。

基于Spark框架自身的優(yōu)良設(shè)計理念以及社區(qū)的蓬勃發(fā)展?fàn)顟B(tài)，相信未來Spark會在工業(yè)互聯(lián)網(wǎng)平臺扮演越來越重要的角色。

本文作者： 黃歡，格創(chuàng)東智大數(shù)據(jù)工程師 （轉(zhuǎn)載請注明來源及作者）