Spark 1.2 发布，做了哪些改进

本帖最后由 pig2 于 2014-12-20 00:50 编辑

问题导读

1.spark做了哪些改进？
2.本文认为spark与hadoop的关系是什么？

Spark 1.2 发布，此版本包括 172 位贡献者和超过 1000 个 commits。

此版本包括

Spark 核心操作和性能改进；
添加新的网络传输子系统，进行了较大的改进；
Spark SQL 引入了一个外部数据源的支持，支持 Hive13；
动态分区；
fixed-precision decimal type；
MLlib 添加了一个新的面向管道包 (spark.ml)，组合多个算法；
Spark Streaming 添加了一个 Python API，提前写错误容错日志；
GraphX 正式脱离 Alpha 版本，引入了一个稳定的 API。

更多内容请看发行说明，现已提供下载。

Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。

Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。

尽管创建 Spark 是为了支持分布式数据集上的迭代作业，但是实际上它是对 Hadoop 的补充，可以在 Hadoo 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。Spark 由加州大学伯克利分校 AMP 实验室 (Algorithms, Machines, and People Lab) 开发，可用来构建大型的、低延迟的数据分析应用程序。

Spark 的详细介绍：请点这里

文章转载自：开源中国社区 [http://www.oschina.net]