Spark 概述

kidys

　　转至元数据结尾

• 　　创建： 漫步，最新修改： ping 于 2016-12-07
  

　　转至元数据起始

• 　　下载
  
• 　　运行示例和 Shell
  
• 　　在集群上运行
  
• 　　快速跳转
  

　　原文链接 : http://spark.apache.org/docs/latest/index.html
　　译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=2883720
　　贡献者 : 漫步，那伊抹微笑
　　Apache Spark 是一个快速的、多用途的集群计算系统。在 Java，Scala，Python 和 R 语言以及一个支持常见的图计算的经过优化的引擎中提供了高级 API。它还支持一组丰富的高级工具，包括用于 SQL 和结构化数据处理的 Spark SQL，用于机器学习的 MLlib，用于图形处理的 GraphX、以及 Spark Streaming。
下载
　　从该项目官网的 下载页面 获取 Spark，该文档用于 Spark 2.0.2 版本。Spark 使用了用于 HDFS 和 YRAN 的 Hadoop client 的库。为了适用于主流的Hadoop 版本可以下载先前的 package。用户还可以下载 “Hadoop free” binary 并且可以 通过增加 Spark 的>Hadoop 版本一起运行Spark。
　　如果您希望从源码中构建 Spark，请访问 构建 Spark。
　　Spark 既可以在 Windows 上运行又可以在类似 UNIX 的系统（例如，Linux，Mac OS）上运行。它很容易在一台机器上本地运行 - 您只需要在您的系统PATH 上安装 Java，或者将 JAVA_HOME 环境变量指向一个 Java 安装目录。
　　Spark 可运行在 Java 7+，Python 2.6+/3.4 和 R 3.1+ 的环境上。 针对 Scala API，Spark 2.0.1 使用了 Scala 2.11。 您将需要去使用一个可兼容的 Scala 版本（2.11.x）。
运行示例和 Shell
　　Spark 自带了几个示例程序。 Scala，Java，Python 和 R 的示例在 examples/src/main 目录中。在最顶层的 Spark 目录中使用 bin/run-example  [params] 该命令来运行 Java 或者 Scala 中的某个示例程序。（在该例子的底层，调用了 spark-submit 脚本以启动应用程序 ）。 例如，
./bin/run-example SparkPi 10　　您也可以通过一个改进版的 Scala shell 来运行交互式的 Spark。这是一个来学习该框架比较好的方式。
./bin/spark-shell --master local[2]　　这个 --master 选项可以指定为 分布式集群中的 master URL，或者指定为 local 以使用 1 个线程在本地运行，或者指定为 local[N] 以使用 N 个线程在本地运行 。您应该指定为 local 来启动以便测试。该选项的完整列表，请使用 --help 选项来运行 Spark shell。
　　Spark 同样支持 Python API。在 Python interpreter（解释器）中运行交互式的 Spark，请使用 bin/pyspark :
./bin/pyspark --master local[2]　　Python 中也提供了应用示例。例如，
./bin/spark-submit examples/src/main/python/pi.py 10　　从1.4 开始（仅包含了 DataFrames API）Spark 也提供了一个用于实验性的 R API。为了在 R interpreter（解释器）中运行交互式的 Spark，请执行bin/sparkR :
./bin/sparkR --master local[2]　　R 中也提供了应用示例。例如，
　　./bin/spark-submit examples/src/main/r/dataframe.R
　　
在集群上运行
　　Spark 集群模式概述 说明了在集群上运行的主要的概念。Spark 既可以独立运行，也可以在几个已存在的 Cluster Manager（集群管理器）上运行。它当前提供了几种用于部署的选项 :

• 　　Spark Standalone 模式 : 在私有集群上部署 Spark 最简单的方式。
  
• 　　Spark on Mesos
  
• 　　Spark on YARN
  

快速跳转
　　编程指南 :

• 　　快速入门 : 简单的介绍 Spark API，从这里开始！~
  
• 　　Spark 编程指南 : 在所有 Spark 支持的语言（Scala，Java，Python，R）中的详细概述。
  
• 　　构建在 Spark 之上的模块 :
  
  
  
  • 　　Spark Streaming : 实时数据流处理。
    
  • 　　Spark SQL，Datasets，和 DataFrames : 支持结构化数据和关系查询。
    
  • 　　MLlib : 内置的机器学习库。
    
  • 　　GraphX : 新一代用于图形处理的 Spark API。
    
  
  

　　API文档:

• 　　Spark Scala API(Scaladoc)
  
• 　　Spark Java API(Javadoc)
  
• 　　Spark Python API(Sphinx)
  
• 　　Spark R API(Roxygen2)
  

　　部署指南:

• 　　集群模式概述 : 在集群上运行时概念和组件的概述。
  
• 　　提交应用程序 : 打包和部署应用。
  
• 　　部署模式 :
  
  
  
  • 　　Amazon EC2 : 花费大约5分钟的时间让您在EC2上启动一个集群的介绍
    
  • 　　Spark Standalone 模式 : 在不依赖第三方 Cluster Manager 的情况下快速的启动一个独立的集群
    
  • 　　Spark on Mesos : 使用 Apache Mesos 来部署一个私有的集群
    
  • 　　Spark on YARN : 在 Hadoop NextGen（YARN）上部署 Spark
    
  
  

　　其他文件:

• 　　配置: 通过它的配置系统定制 Spark
  
• 　　监控 : 监控应用程序的运行情况
  
• 　　优化指南 : 性能优化和内存调优的最佳实践
  
• 　　作业调度 : 资源调度和任务调度
  
• 　　安全性 : Spark 安全性支持
  
• 　　硬件挑选 : 集群硬件挑选的建议
  
• 　　与其他存储系统的集成 :
  
  
  
  • 　　OpenStack Swift
    
  
  
• 　　构建 Spark : 使用 Maven 来构建 Spark
  
• 　　Contributing to Spark
  
• 　　Third Party Projects : 其它第三方 Spark 项目的支持
  

　　外部资源:

• 　　Spark 主页
  
• 　　Spark Wiki
  
• 　　Spark 社区 资源，包括当地的聚会
  
• 　　StackOverflow tag apache-spark
  
• 　　邮件列表 : 在这里询问关于 Spark 的问题
  
• 　　AMP 营地 在加州大学伯克利分校:一系列的训练营,特色和讨论 练习对 Spark,Spark Steaming,Mesos 以及更多。可以免费通过 视频 , 幻灯片 和 练习 学习。
  
• 　　代码示例 : 更多示例可以在 Spark 的子文件夹中（Scala , Java , Python , R ）获得。