1.5 小结
使用Hadoop和Spark的大数据分析大致分为两大类：数据分析和数据科学。数据分析侧重于过去和现在的统计，而数据科学侧重于未来的统计。数据科学项目本质上是迭代的，而数据分析项目则不是迭代的。
Apache Hadoop为你提供了分布式存储和资源管理，Spark为你提供了大数据分析的内存级性能。在大数据分析中，需要根据用例的类型及其可行性来使用各种工具和技术。
下一章将帮助你开始学习Hadoop和Spark。
《Spark与Hadoop大数据分析》——1.5 小结
2017-09-01
1348
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
本节书摘来自华章计算机《Spark与Hadoop大数据分析》一书中的第1章，第1.5节，作者 [美]文卡特·安卡姆（Venkat Ankam），译 吴今朝，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
目录
相关文章
|
4月前
|
机器学习/深度学习
分布式计算
算法
Spark快速大数据分析PDF下载读书分享推荐
《Spark快速大数据分析》适合初学者，聚焦Spark实用技巧，同时深入核心概念。作者团队来自Databricks，书中详述Spark 3.0新特性，结合机器学习展示大数据分析。Spark是大数据分析的首选工具，本书助你驾驭这一利器。[PDF下载链接][1]。
![Spark Book Cover][2]
[1]: https://zhangfeidezhu.com/?p=345
[2]: https://i-blog.csdnimg.cn/direct/6b851489ad1944548602766ea9d62136.png#pic_center
165
1
1
|
1月前
|
分布式计算
Kubernetes
Hadoop
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
133
6
6
|
1月前
|
分布式计算
资源调度
Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
62
2
2
|
10天前
|
存储
分布式计算
Hadoop
数据湖技术：Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代，数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件，通过HDFS存储数据和Spark进行高效计算，实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践，包括数据存储、处理、安全和可视化等方面，展示了它们在实际应用中的协同效应。
45
2
2
|
11天前
|
存储
分布式计算
Hadoop
数据湖技术：Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用，通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理，确保高可靠性和容错性；Spark则凭借其高性能和丰富的API，进行深度分析和机器学习，实现高效的批处理和实时处理。
45
1
1
|
3月前
|
分布式计算
Hadoop
大数据
Spark 与 Hadoop 的大数据之战：一场惊心动魄的技术较量，决定数据处理的霸权归属！
【8月更文挑战第7天】无论是 Spark 的高效内存计算，还是 Hadoop 的大规模数据存储和处理能力，它们都为大数据的发展做出了重要贡献。
81
2
2
|
3月前
|
存储
分布式计算
资源调度
Hadoop生态系统概览：从HDFS到Spark
【8月更文第28天】Hadoop是一个开源软件框架，用于分布式存储和处理大规模数据集。它由多个组件构成，旨在提供高可靠性、高可扩展性和成本效益的数据处理解决方案。本文将介绍Hadoop的核心组件，包括HDFS、MapReduce、YARN，并探讨它们如何与现代大数据处理工具如Spark集成。
198
0
0
|
4月前
|
分布式计算
Hadoop
大数据
Hadoop与Spark在大数据处理中的对比
【7月更文挑战第30天】Hadoop和Spark在大数据处理中各有优势，选择哪个框架取决于具体的应用场景和需求。Hadoop适合处理大规模数据的离线分析，而Spark则更适合需要快速响应和迭代计算的应用场景。在实际应用中，可以根据数据处理的需求、系统的可扩展性、成本效益等因素综合考虑，选择适合的框架进行大数据处理。
154
2
2
|
3月前
|
分布式计算
Hadoop
大数据
大数据处理框架在零售业的应用：Apache Hadoop与Apache Spark
【8月更文挑战第20天】Apache Hadoop和Apache Spark为处理海量零售户数据提供了强大的支持
62
0
0
|
5月前
|
分布式计算
资源调度
Hadoop
热门文章
最新文章
1
Hadoop迁移MaxCompute神器之DataX-On-Hadoop使用指南
2
CDH5.4.7安装Hadoop集群安装主机失败
3
nutch-2.2.1 hadoop-1.2.1 hbase-0.92.1 集群部署
4
Hadoop 2.x本地库native lib及如何源码编译
5
【centos6.5 hadoop2.7 _64位一键安装脚本】有问题加我Q直接问
6
linux下安装hadoop步骤
7
hadoop安装小记
8
Hadoop2.6.0运行mapreduce之推断（speculative）执行（下）
9
Hadoop 2.x HDFS和YARN的启动方式
10
发布Apache Hadoop 2.6.0——异构存储，长时间运行的服务与滚动升级支持
1
DAG（有向无环图）在Spark中的应用
417
2
scala-spark中的groupby、like等的用法
214
3
spark执行sql的原理是什么
119
4
容器服务Kubernetes版产品使用合集之怎么实现把 spark 跑在k8s
86
5
spark用于分析数据并将数据保存到数据库中是
69
6
数据分享|Python、Spark SQL、MapReduce决策树、回归对车祸发生率影响因素可视化分析
87
7
如何解决Spark在深度学习中的资源消耗问题？
85
8
Spark在深度学习中的优缺点是什么？
227
9
使用Spark进行机器学习
67
10
Spark是一个基于内存的通用数据处理引擎，可以进行大规模数据处理和分析
126