大數據引擎分代

来源:https://www.cnblogs.com/JaxYoun/archive/2020/02/21/12340923.html
-Advertisement-
Play Games

大致可以將大數據的計算引擎分成了 4 代。 1、第一代的計算引擎,無疑就是Hadoop承載的MapReduce。它將每個JobApp都被設計為兩個階段,分別為Map和Reduce。對於上層應用來說,就不得不想方設法去拆分演算法,甚至於不得不在 上層應用實現多個App的串聯 ,才能完成一個完整的演算法,例 ...


大致可以將大數據的計算引擎分成了 4 代。

1、第一代的計算引擎,無疑就是Hadoop承載的MapReduce。它將每個JobApp都被設計為兩個階段,分別為Map和Reduce。對於上層應用來說,就不得不想方設法去拆分演算法,甚至於不得不在
上層應用實現多個App的串聯,才能完成一個完整的演算法,例如迭代計算,不夠靈活,中間計算結果涉及到磁碟shuffle,影響效率。
Hadoop設計理念來自Google的三篇論文的啟發催生了下列組件
HDFS:分散式存儲【在役】
MapReduce:分散式結算【退役】
Hbase:分散式查詢【在役】

2、由於第一代的弊端,催生了支持 DAG 框架的產生,實現了DAG定義與運算元的解耦。因此,支持用戶在運算元外部自定義 DAG 的框架被劃分為第二代計算引擎。如 Tez 以及更上層的 Oozie。這裡我們不去細究各種 DAG 實現之間的區別,不過對於當時的 Tez 和 Oozie 來說,大多還是批處理的任務。

3、接下來就是以 Spark 為代表的第三代的計算引擎。第三代計算引擎的特點主要是一個App內部支持多個Job,每個Job可以代表一套完整的數據處理流程(用Job完成一個完整流程的隔離),並
實現了Job內嵌DAG,以及強調的實時計算。在這裡,很多人也會認為第三代計算引擎也能夠很好的運行批處理的 Job。
Spark中幾個概念的作用範圍:App > Job > Stage > Operator > Task,從左至右都是1對多的關係。

4、隨著第三代計算引擎的出現,促進了上層應用快速發展,例如各種迭代計算的性能以及對流計算和SQL等的支持。Flink的誕生就被歸在了第四代。這應該主要表現在Flink對實時流計算的支持,以及更進一步的實時性上面。當然Flink也可以支持Batch的任務,以及DAG的運算。當然與Spark相比Flink還做了其他優化設計,比如更好的JVM記憶體管理(Flink並沒有將全部記憶體交給App管理,避免了在Spark中較頻發的OOM)。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 恢復內容開始 1、Hadoop是什麼? Hadoop是一個Apache基金會所開發的分散式系統基礎框架(Hive、Hbase、spark都是基於hadoop架構進行數據存儲)。 主要解決:海量數據存儲和海量數據分析計算問題。 廣義上來說,Hadoop通常是指一個更廣泛的概念-Hadoop生態圈。 2 ...
  • 可以執行存儲過程sp_helpdb查詢到資料庫相關信息: EXECUTE sp_helpdb 'Test' GO Source Code 或者查詢view視圖sys.databases: SELECT create_date FROM sys.databases WHERE name = 'Test ...
  • 資料庫創建 DROP DATABASE IF EXISTS `sql_invoicing`; CREATE DATABASE `sql_invoicing`; USE `sql_invoicing`; SET NAMES utf8 ; SET character_set_client = utf8m ...
  • 可以使用全局變數@@VERSION或者是使用SERVERPROPERTY()函數: 參考: SELECT @@VERSION SELECT SERVERPROPERTY('Edition') Source Code 根據查詢的結果,有2個值可以參考的: x86 = 32-bit x64 = 64-b ...
  • 使用SERVERPROPERTY()來得到Data和Log的預設路徑: InstanceDefaultDataPath和InstanceDefaultLogPath分別返回預設數據和日誌目錄。 DECLARE @ddp sql_variant = SERVERPROPERTY('InstanceDe ...
  • 在SQL Server Management Studio對象,會隨系統的開發,所產生的對象也會越來越多,我們可以使用SMS的過濾功能來查找對象: 參考下麵步驟: 按步驟5之後,得到結果: 最後,如果想取消過濾,參考: ...
  • 準備一些數據,創建2張表,表1為學生表: CREATE TABLE [dbo].[Student] ( [SNO] INT NOT NULL PRIMARY KEY, [Name] NVARCHAR(10) NOT NULL, [Performance] DECIMAL(18,2) NULL ) G ...
  • At most Onece:最多一次,如果運算元處理事件失敗,事件將不再嘗試該事件。 At Least Onece:至少一次,如果運算元處理事件失敗,運算元會再次嘗試該處理事件,直到有一次成功。 Exactly Once:嚴格一次,通常有兩種方法實現: 1.分散式快照+狀態檢查點,思想就是對比檢查點和分佈 ...
一周排行
    -Advertisement-
    Play Games
  • GoF之工廠模式 @目錄GoF之工廠模式每博一文案1. 簡單說明“23種設計模式”1.2 介紹工廠模式的三種形態1.3 簡單工廠模式(靜態工廠模式)1.3.1 簡單工廠模式的優缺點:1.4 工廠方法模式1.4.1 工廠方法模式的優缺點:1.5 抽象工廠模式1.6 抽象工廠模式的優缺點:2. 總結:3 ...
  • 新改進提供的Taurus Rpc 功能,可以簡化微服務間的調用,同時可以不用再手動輸出模塊名稱,或調用路徑,包括負載均衡,這一切,由框架實現並提供了。新的Taurus Rpc 功能,將使得服務間的調用,更加輕鬆、簡約、高效。 ...
  • 本章將和大家分享ES的數據同步方案和ES集群相關知識。廢話不多說,下麵我們直接進入主題。 一、ES數據同步 1、數據同步問題 Elasticsearch中的酒店數據來自於mysql資料庫,因此mysql數據發生改變時,Elasticsearch也必須跟著改變,這個就是Elasticsearch與my ...
  • 引言 在我們之前的文章中介紹過使用Bogus生成模擬測試數據,今天來講解一下功能更加強大自動生成測試數據的工具的庫"AutoFixture"。 什麼是AutoFixture? AutoFixture 是一個針對 .NET 的開源庫,旨在最大程度地減少單元測試中的“安排(Arrange)”階段,以提高 ...
  • 經過前面幾個部分學習,相信學過的同學已經能夠掌握 .NET Emit 這種中間語言,並能使得它來編寫一些應用,以提高程式的性能。隨著 IL 指令篇的結束,本系列也已經接近尾聲,在這接近結束的最後,會提供幾個可供直接使用的示例,以供大伙分析或使用在項目中。 ...
  • 當從不同來源導入Excel數據時,可能存在重覆的記錄。為了確保數據的準確性,通常需要刪除這些重覆的行。手動查找並刪除可能會非常耗費時間,而通過編程腳本則可以實現在短時間內處理大量數據。本文將提供一個使用C# 快速查找並刪除Excel重覆項的免費解決方案。 以下是實現步驟: 1. 首先安裝免費.NET ...
  • C++ 異常處理 C++ 異常處理機制允許程式在運行時處理錯誤或意外情況。它提供了捕獲和處理錯誤的一種結構化方式,使程式更加健壯和可靠。 異常處理的基本概念: 異常: 程式在運行時發生的錯誤或意外情況。 拋出異常: 使用 throw 關鍵字將異常傳遞給調用堆棧。 捕獲異常: 使用 try-catch ...
  • 優秀且經驗豐富的Java開發人員的特征之一是對API的廣泛瞭解,包括JDK和第三方庫。 我花了很多時間來學習API,尤其是在閱讀了Effective Java 3rd Edition之後 ,Joshua Bloch建議在Java 3rd Edition中使用現有的API進行開發,而不是為常見的東西編 ...
  • 框架 · 使用laravel框架,原因:tp的框架路由和orm沒有laravel好用 · 使用強制路由,方便介面多時,分多版本,分文件夾等操作 介面 · 介面開發註意欄位類型,欄位是int,查詢成功失敗都要返回int(對接java等強類型語言方便) · 查詢介面用GET、其他用POST 代碼 · 所 ...
  • 正文 下午找企業的人去鎮上做貸後。 車上聽同事跟那個司機對罵,火星子都快出來了。司機跟那同事更熟一些,連我在內一共就三個人,同事那一手指桑罵槐給我都聽愣了。司機也是老社會人了,馬上聽出來了,為那個無辜的企業經辦人辯護,實際上是為自己辯護。 “這個事情你不能怪企業。”“但他們總不能讓銀行的人全權負責, ...