Spark 1.2.2/1.3.1 发布，开源集群计算系统

ycvodzf

5月23日 西安 OSC 源创会开始报名啦，存储、虚拟机、Docker 等干货分享
　　Spark 1.2.2 和 Spark 1.3.1 发布啦！这两个版本是维护版本，超过 90 位开发者在维护 Spark。
　　Spark 1.2.2 包括稳定性方面的 bug 修复：
Spark Core

• 　　Thread safety problem in Netty shuffle (SPARK-6578)
  
• 　　Memory leak in JobProgressListener (SPARK-5967)
  
• 　　Unable to launch on YARN 2.5.0 and later (SPARK-4267)
  
• 　　YARN auxiliary shuffle issue in secure mode (SPARK-5655)
  

PySpark

• 　　Jobs hang during collect operation (SPARK-6667)
  
• 　　Zip fails with serializer error (SPARK-5973)
  
• 　　Memory leak using Spark SQL with PySpark (SPARK-6055)
  
• 　　Hanging when using large broadcast variables (SPARK-5363)
  

　　详细改进请看发行说明。
　　Spark 1.3.1 主要改进如下：
Spark SQL

• 　　Unable to use reserved words in DDL (SPARK-6250)
  
• 　　Parquet no longer caches metadata (SPARK-6575)
  
• 　　Bug when joining two Parquet tables (SPARK-6851)
  
• 　　Unable to read parquet data generated by Spark 1.1.1 (SPARK-6315)
  
• 　　Parquet data source may use wrong Hadoop FileSystem (SPARK-6330)
  

Spark Streaming

• 　　Potential for data loss during WAL recovery (SPARK-6222)
  

PySpark

• 　　Potential program hang when calling collect (SPARK-6667)
  

Spark Core

• 　　Thread safety issue in Netty shuffle (SPARK-6578)
  
• 　　Memory leak in output committer map (SPARK-6737)
  
• 　　Unable to perform fetch file when local directories run NFS (SPARK-6313)
  
• 　　NPE when cancelling and using mix of job groups (SPARK-6414)
  

　　更多内容请看发行说明。
　　这两个版本都已提供在下载页面。
　　
　　Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。
　　Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。
　　尽管创建 Spark 是为了支持分布式数据集上的迭代作业，但是实际上它是对 Hadoop 的补充，可以在 Hadoo 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。Spark 由加州大学伯克利分校 AMP 实验室 (Algorithms, Machines, and People Lab) 开发，可用来构建大型的、低延迟的数据分析应用程序。