:SparkSQL快速入门

Posted 黑马程序员官方

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了:SparkSQL快速入门相关的知识,希望对你有一定的参考价值。

Spark是大数据体系的明星产品,是一款高性能的分布式内存迭代计算框架,可以处理海量规模的数据。下面就带大家来学习今天的内容!

 往期内容:


一、什么是SparkSQL

SparkSQL 是Spark的一个模块, 用于处理海量结构化数据

限定: 结构化数据处理

二、为什么学习SparkSQL

SparkSQL是非常成熟的 海量结构化数据处理框架.

学习SparkSQL主要在2个点:

SparkSQL本身十分优秀, 支持SQL语言\\性能强\\可以自动优化\\API简单\\兼容HIVE等等

企业大面积在使用SparkSQL处理业务数据

  • 离线开发
  • 数仓搭建
  • 科学计算
  • 数据分析

三、SparkSQL的特点

四、SparkSQL发展历史 - 前身 Shark框架

在许多年前(2012\\2013左右)Hive逐步火热起来, 大片抢占分布式SQL计算市场;

Spark作为通用计算框架, 也不可能放弃这一细分领域。于是, Spark官方模仿Hive推出了Shark框架(Spark 0.9版本);

Shark框架是几乎100%模仿Hive, 内部的配置项\\优化项等都是直接模仿而来,不同的在于将执行引擎由MapReduce更换为了Spark;

因为Shark框架太模仿Hive, Hive是针对MR优化, 很多地方和SparkCore(RDD)水土不服, 最终被放弃

Spark官方下决心开发一个自己的分布式SQL引擎 也就是诞生了现在的SparkSQL

● 2014年 1.0正式发布

● 2015年 1.3 发布DataFrame数据结构, 沿用至今

● 2016年 1.6 发布Dataset数据结构(带泛型的DataFrame), 适用于支持泛型的语言(Java\\Scala)

● 2016年 2.0 统一了Dataset 和 DataFrame, 以后只有Dataset了, Python用的DataFrame就是 没有泛型的Dataset

● 2019年 3.0 发布, 性能大幅度提升, SparkSQL变化不大

以上是关于:SparkSQL快速入门的主要内容,如果未能解决你的问题,请参考以下文章

:SparkSQL快速入门

SparkSQL简介

深度学习框架Tensorflow快速入门

TensorFlow 如何入门,如何快速学习?

Spark SQL初始化和创建DataFrame的几种方式

深入浅出Mybatis之快速入门!