shanxi建设银行网站首页佛山全网营销推广

我们已经知道Spark是如何设计和实现数据处理流程的，这里我们 再深入思考一下，为什么Spark能够替代MapReduce成为主流的大数据处理框架呢？对比MapReduce，Spark究竟有哪些优势？

一 优势

1 通用性：

        基于函数式编程思想，MapReduce将数据类型抽象为，k,v格式，并将数据处理操作抽象为map（）和 reduce（）两个算子，这两个算子可以表达一大部分数据处理任务。因 此，MapReduce为这两个算子设计了固定的处理流程map—Shuffle—reduce。
        但到数据处理流程其实多种多样，map—Shuffle—reduce模式只适用于表达类似foldByKey（）、 reduceByKey（）、aggregateByKey（）的处理流程，而像cogroup（）、join（）、cartesian（）、coalesce（）的流程需要更灵活的表达方式。

Spark在两方面进行 了优化改进：

1）将输入/输出、中间数据抽象表达为一个数据结构RDD，相当于在Java中定义了class，然后可以根据不同类型的中间数据，生成不同的RDD（相当于Java中生成不同类型的object）。中间数据变得可定义、可表示、可操作、可连接。

2）通过可定义的数据依赖关系来灵活连接中间数据。在MapReduce中，数据依赖关系只有ShuffleDependency。而Spark数据处理操作包含了多种多样的数据依赖关系，Spark对这些数据依赖关系进行了分类&