前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >慕课网Spark SQL日志分析 - 3.Spark SQL概述

慕课网Spark SQL日志分析 - 3.Spark SQL概述

作者头像
Meet相识
发布2018-09-12 17:01:49
3980
发布2018-09-12 17:01:49
举报
文章被收录于专栏:技术专栏

3.Spark SQL概述

1.Spark SQL前世今生

  • 为什么要使用sql?
  1. 事实上的标准
  2. 易学易用
  3. 受众面大
  • Hive 类似于sql的hive sql语句,sql==>mapreduce 缺点:基于mapreduce,执行效率比较低 改进:hive on tez,hive on spark,hive on mapreduce
  • Shark hive on spark ==> shark(把hive解析后的作业翻译成spark作业) 优点:1.基于spark;2.基于内存的列式存储;3.与hive能够兼容 缺点:hive ql 的解析、逻辑执行计划生成、执行计划的优化是依赖于hive的。仅仅只是把物理执行计划从mr作业替换成spark;mapreduce基于进程级别的,而spark是基于线程的,shark必须单独维护一个分支来处理线程相关的操作。

image.png

Shark终止后,产生了两个分支:

  1. Hive on spark(Hive社区中,源码是在hive中)
  2. spark sql(Spark社区,源码是在Spark中)(支持多种数据源,多种优化技术,扩展性也要好很多)

2.Sql on Hadoop 常用框架

image.png

  1. Hive sql ==> mapreduce metasotre: 原数据 sql: database, table, view
  2. impla cloudera : cdh(建议大家在生产上使用的hadoop系列版本)、cm sql : 自己的守护进程执行的,非mr (对内存要求比较高)
  3. presto facebook,京东 支持sql
  4. drill 支持sql 能够访问:hdfs、rdbms、json、hbase、mongdb、c3、hive ==> 外部数据源
  5. Spark SQL 支持sql dataframe/dataset api metastore 能够访问:hdfs、rdbms、json、hbase、mongdb、c3、hive ==> 外部数据源

3.Spark SQL 概述

官网:http://spark.apache.org/sql/

Spark SQL is Apache Spark's module for working with structured data.

image.png

image.png

image.png

image.png

Spark SQL不仅仅有访问或者操作SQL的功能,他还提供了其他的非常丰富的操作:外部数据源,优化

Spark SQL概述小结: 1.Spark Sql并不局限于SQL 2.可以访问hive、json、parquet等文件的数据 3.SQL只是Spark SQL 的一个功能而已===>这个名字并不恰当 4.Spark SQL提供了SQL的api,DataFrame,Dataset的API

4.Spark SQL愿景

  • Write the less code
  • Read less data
  • Let the optimizer do the hard work

5.Spark SQL架构

image.png

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018.07.11 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1.Spark SQL前世今生
  • 2.Sql on Hadoop 常用框架
  • 3.Spark SQL 概述
  • 4.Spark SQL愿景
  • 5.Spark SQL架构
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档