http://study.163.com/course/courseMain.htm?courseId=1002887002
先看了11章Spark
逻辑回归，需要迭代多，所以尤其适用Spark，100多倍
企业的应用：
1. 批量数据处理（数分钟与数小时，ETL），比如MapReduce
2. 基于历史数据的交互查询，比如Impala，Hive还不是
3. 实时数据流处理，比如Storm。比如返利的实时数据，以前通过数据库备库方式来处理，扩展性差。
而Spark提供了一站式解决。
一句话概括RDD，分布式内存的一个抽象概念，提供了一种高度受限的共享内存模型。
是依据宽依赖、窄依赖，来划分stage。
Storm的优势：支持毫秒级别的流式计算。（只是秒级别的）。Storm专业成熟。
最流行的关于大数据最典型的三大框架：
Hadoop 批处理
Spark 实时批处理
Storm 流式计算