【Spark亚太研究院系列丛书】Spark实战高手之路-第3章Spark架构设计与编程模型第2节①

一、到底什么是Spark？

Spark是一个通用的大数据计算平台，基于“One Stack to rule them all”的理念成功成为了一体化多元化的大数据处理平台，轻松应对大数据处理中的实时流计算、SQL交互式查询、机器学习和图计算等：

Spark源于BDAS:

基于该技术堆栈，Spark目前已经成为大数据通用计算平台：

二， Spark的速度为何如此之快？

首先我们看一下Hadoop经典的处理过程：

MapReduce在每次执行的时候都要从磁盘读数据，计算完毕后都要把数据存放到磁盘上：

而Spark是基于内存的：

另外一方面，DAG也是Spark快的极为重要的原因，下面是一张DAG图的示例：

大家也可以看一下网络上一张描述DAG更多细节的图片：

基于DAG，Spark具备了非常精致的作业调度系统：

DAG中的依赖有宽依赖和窄依赖之分：

在DAG图中可以根据依赖对pipeline等优化操作：

基于RDD和DAG，并行计算整个Job：

Spark之所以快，还有一个原因就是其容错机制，这个我们会在本讲的后面和大家分享。