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