Spark会成为大数据分析的新里程碑_数据分析师
在年初于纽约举行的Spark Summit East大会上,Databrick成为了焦点所在,通过新发布的数据处理云服务,该公司力图将Spark与MapReduce及Hadoop系统划清界限。
经过本次大会,Spark在业界的逐渐普及已是不争的事实。Apache Spark是一个开源的大数据处理引擎,能够被用于解决各界面临的高难度问题:如何快速识别针对比特币网络的拒绝服务攻击?如何将车辆与物联网或互联网相连接?如何识别出那些极为隐秘的洗钱行为?
对于Spark的兴趣不仅仅局限于具有纯天然数字化基因的企业,或者提供Spark相关技术的厂商。诺华制药(Novartis)、有线电视网Comcast和高盛等公司也在会上为Spark唱起了赞歌。但是,本次Spark Summit与其说是一次会议,不如说是一次Databrick的专场演出。Databrick发布了商业版的Spark系统,并且撇清与Hadoop生态的任何关系 -- 既非敌人也不是朋友。Databrick这次发布的是基于云的Spark服务。
顺势而生
Databrick由加州伯克利大学AMP实验室团队所创建,即Apache Spark的开发者。自从诞生伊始,Spark就被拿来与MapReduce进行比较,MapReduce是Hadoop最初的数据处理引擎。MapReduce因其对大数据集的分布式处理能力而广受关注,但是也一直在效率方面饱受责难。MapReduce以批处理方式进行计算,无法很好地应对流处理模式(比如物联网项目)。而且,MapReduce没有内存计算的选项,每次计算后都要将结果写入外部存储,这使得迭代式的任务相当耗时。
MapReduce的种种缺陷,使得诸如Spark之类的新一代处理引擎应运而生。“MapReduce的设计始于15年以前,”Databrick的联合创始人Patrick Wendell表示:“而Spark则是基于当代最新的硬件,完全重新设计而成的。”
同时,Databrick实现了Spark与Hadoop环境的兼容,并坚信Spark将在大数据生态中扮演更重要的角色。“我认为Spark将凌驾于Hadoop之上,在更多的场景中发挥作用。目前,在很大程度上这一点已经成为现实。”Wendell说。
去年春季,Databrick与DataStax建立了合作伙伴关系,后者专注于提供NoSQL数据库Cassandra的商业版。去年秋天,Databrick发布了Databrick云,基于Amazon S3存储提供Spark环境,实现所谓的大数据即服务。由于在可用性方面受限,有传闻Databrick云最终将驻留在Google Compute Engine和微软Azure云上。与MapReduce不同,Databrick尽量让使用Spark的技术门槛降低,能够面向更为广泛的受众。比如,Databrick为用户提供了各种高级和低级的API接口 – 所谓高级接口,主要针对那些对数据科学或分布式系统不熟悉的用户,使之同样能从复杂的机器学习算法中受益。
应者云集
如果说本次Spark Summit East大会带来的影响,应该就是CIO们,或者更确切地说是那些一直追踪大数据技术发展的数据分析师们会认为Spark将是继Hadoop之后的新里程碑。Databrick宣称Spark大数据处理引擎将改变企业分析的形态(过去的情况是,诸如Cloudera一类的Hadoop提供商一直扮演着支撑的角色)。Databrick同样让与会者相信,即使那些“普通”(normal,先前举行的Hadoop World大会上,Cloudera使用了这个词)的公司,也能够从Spark中受益,比如诺华制药和Comcast,以及不那么有名的Automatic和Shopify公司。
对于Spark的赞美同样来自于其他与会者。Tresata的创始人和首席执行官Abhishek Mehta表示:“我认为Spark应对了当前大数据研究中的所有热点问题。”高盛的Matt Glickman表示,Spark代表了未来发展的方向,将成为大数据分析的通用工具。Alteryx(致力于为普通用户提供分析语言R和大数据分析能力)的首席运营官George Mattew则描述了在集成R和MapReduce时的遭遇。
“有人说,旧约中并没有对地狱的具体描述。”Mathew回忆到:“但是,当我们试图将R和MapReduce集成时,却有了切身体会。在引入其他通用的计算能力时,MapReduce的步伐是如此艰难。”
这听起来非常刺耳,曾经的大数据明星,如今被Spark的光芒所掩盖 – 至少在某些大数据信徒看来,事实就是如此。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14