AMP
Algorithms 算法
Machines 机器
people 人
spark较mapreduce快100倍的原因:内存数据、调度优化、传输优化、DAG执行引擎。
一个job(工作)最终执行完成,会经历多个迭代任务(TASK),mapreduce会将中间数据存放在磁盘和从磁盘中读取,这是mapreduce比较慢的主要原因之一。
在编写mapreduce的时候,只能写两个逻辑map和reduce而不能指定task之间的依赖关系,需要借助Oozie组件完成,在spark中任务依靠DAG完成整个job,优化了计算路径。
开发效率,spark使用scala函数式语言,同时支持scala/python/R语言编写。
高级接口:spark生态圈 sparkstream/sparkSQL/MLlib/GraphX/sparkR;
hadoop生态圈:hive/hbase/pig/Oozie/kafka/flume/zookeeper/strom/mahout
scala特性:集合函数、akka/actor