用Apache Spark进行大数据处理——第一部分：入门介绍.pdf

用Apache Spark 进行大数据处理——第一部分：入门介 绍 什么是Spark Apache Spark 是一个围绕速度、易用性和复杂分析构建的大数据处理框架。最初在2009 年由加州大学伯克利分校的AMPLab 开发，并于2010 年成为Apache 的开源项目之一。 与Hadoop 和Storm 等其他大数据和MapReduce 技术相比，Spark 有如下优势。 首先，Spark 为我们提供了一个全面、统一的框架用于管理各种有着不同性质（文本数据、 图表数据等）的数据集和数据源（批量数据或实时的流数据）的大数据处理的需求。 Spark 可以将Hadoop 集群中的