Spark與Hadoop有哪些區別？【大數據培訓】
更新時間:2020年04月24日15時48分 來源:傳智播客 瀏覽次數:
Hadoop與Spark都是大數據計算框架，但是兩者各有自己的優勢，Spark與Hadoop的區別主要有以下幾點。
1、編程方式
Hadoop的MapReduce在計算數據時，計算過程必須要轉化為Map和Reduce兩個過程，從而難以描述復雜的數據處理過程；而Spark的計算模型不局限于Map和Reduce操作，還提供了多種數據集的操作類型，編程模型比MapReduce更加靈活。
2、數據存儲
Hadoop的 MapReduce進行計算時，每次產生的中間結果都是存儲在本地磁盤中；而
Spark在計算時產生的中間結果存儲在內存中。
3、數據處理
Hadoop在每次執行數據處理時，都需要從磁盤中加載數據，導致磁盤的I/O開銷較大；而Spark在執行數據處理時，只需要將數據加載到內存中，之后直接在內存中加載中間結果數據集即可，減少了磁盤的1O開銷。
4、數據容錯
MapReduce計算的中間結果數據保存在磁盤中，并且 Hadoop框架底層實現了備份機制，從而保證了數據容錯；同樣 Spark RDD實現了基于 Lineage的容錯機制和設置檢查點的容錯機制，彌補了數據在內存處理時斷電丟失的問題。
在Spark與Hadoop的性能對比中，較為明顯的缺陷是Hadoop中的MapReduce計算延遲較高，無法勝任當下爆發式的數據增長所要求的實時、快速計算的需求。
從上圖可以看出，使用Hadoop MapReduce進行計算時，每次計算產生的中間結果都需要從磁盤中讀取并寫入，大大增加了磁盤的I/O開銷，而使用Spark進行計算時，需要先將磁盤中的數據讀取到內存中，產生的數據不再寫入磁盤，直接在內存中迭代處理，這樣就避免了從磁盤中頻繁讀取數據造成的不必要開銷。通過官方計算測試，Hadoop與Spark執行邏輯回歸所需的時間對比，如圖所示。
從上圖可以看出，Hadoop與Spark執行的所需時間相差超過100倍。
猜你喜歡：
