今天小編給大家先分享一下大數(shù)據(jù)的兩大核心技術(shù)，知己知彼才能百戰(zhàn)不殆，學(xué)習(xí)大數(shù)據(jù)技術(shù)也是一樣的道理，要先有一個清晰的了解，才能確保自己全身心的投入學(xué)習(xí)。

Hadoop是什么?

Hadoop在2006年開始成為雅虎項目，隨后晉升為頂級Apache開源項目。它是一種通用的分布式系統(tǒng)基礎(chǔ)架構(gòu)，具有多個組件：Hadoop分布式文件系統(tǒng)(HDFS)，它將文件以Hadoop本機格式存儲并在集群中并行化; YARN，協(xié)調(diào)應(yīng)用程序運行時的調(diào)度程序; MapReduce，這是實際并行處理數(shù)據(jù)的算法。Hadoop使用Java編程語言構(gòu)建，其上的應(yīng)用程序也可以使用其他語言編寫。通過一個Thrift客戶端，用戶可以編寫MapReduce或者Python代碼。

　　除了這些基本組件外，Hadoop還包括Sqoop，它將關(guān)系數(shù)據(jù)移入HDFS; Hive，一種類似SQL的接口，允許用戶在HDFS上運行查詢; Mahout，機器學(xué)習(xí)。除了將HDFS用于文件存儲之外，Hadoop現(xiàn)在還可以配置使用S3 buckets或Azure blob作為輸入。

　　它可以通過Apache發(fā)行版開源，也可以通過Cloudera(規(guī)模和范圍最大的Hadoop供應(yīng)商)，MapR或HortonWorks等廠商提供。

　　Spark是什么?

　　Spark是一個較新的項目，在2012年誕生在加州大學(xué)伯克利分校的AMPLab。它也是一個頂級Apache項目，專注于在集群中并行處理數(shù)據(jù)，一大區(qū)別在于它在內(nèi)存中運行。

　　類似于Hadoop讀取和寫入文件到HDFS的概念，Spark使用RDD(彈性分布式數(shù)據(jù)集)處理RAM中的數(shù)據(jù)。Spark以獨立模式運行，Hadoop集群可用作數(shù)據(jù)源，也可與Mesos一起運行。在后一種情況下，Mesos主站將取代Spark主站或YARN以進行調(diào)度。

　　Spark是圍繞Spark Core構(gòu)建的，Spark Core是驅(qū)動調(diào)度，優(yōu)化和RDD抽象的引擎，并將Spark連接到正確的文件系統(tǒng)(HDFS，S3，RDBM或Elasticsearch)。Spark Core上還運行了幾個庫，包括Spark SQL，允許用戶在分布式數(shù)據(jù)集上運行類似SQL的命令，用于機器學(xué)習(xí)的MLLib，用于解決圖形問題的GraphX以及允許輸入連續(xù)流式日志數(shù)據(jù)的Streaming。

　　Spark有幾個API。原始界面是用Scala編寫的，并且由于大量數(shù)據(jù)科學(xué)家的使用，還添加了Python和R接口。Java是編寫Spark作業(yè)的另一種選擇。

Databricks是由Spark創(chuàng)始人Matei Zaharia創(chuàng)立的公司，現(xiàn)在負責(zé)????Spark開發(fā)并為客戶提供Spark分銷。

Hadoop和spark兩個大數(shù)據(jù)的核心技術(shù)的基礎(chǔ)講解在此就順應(yīng)結(jié)束了，想要提升自己的技術(shù)，想要突破自己的技術(shù)領(lǐng)域，歡迎撩小編，已經(jīng)為你準備好了全套的大數(shù)據(jù)學(xué)習(xí)資料！