spark线上用哪个版本好

这篇文章主要介绍“spark线上用哪个版本好”,在日常操作中,相信很多人在spark线上用哪个版本好问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”spark线上用哪个版本好”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!

Q1:spark线上用什么版本好?

  • 建议从最低使用的Spark 1.0.0版本,Spark在1.0.0开始核心API已经稳定;

  • 从功能的角度考虑使用最新版本的Spark 1.0.2也是非常好的,Spark 1.0.2在Spark 1.0.1的基础上做了非常多的改进;

Q2:希望可以细细讲讲推荐系统

  • 推荐系统是机器学习中主要用武之地,Spark亚太研究院决胜大数据时代100期公益大讲堂后续会至少开设三期专题细细讲解;

Q3:用yarn  mesos  standalone   这几种方式那种用在线上好?spark线上用什么版本好?

  • 如果以前没有部署过其它的大数据集群,集群中的计算框架只有Spark,建议直接使用Standalone,简洁而高效,这样有利于获得最大化的集群执行效率;

  • 如果集群中在运行Spark计算平台的同时还运行了Hadoop的MapReduce、Storm等其它框架,建议使用mesos或者yarn;

  • 在中国建议使用Yarn,因为淘宝已经在生产环境下大规模的使用了Yarn,同时Yarn有非常的中文资料;

Q4:机器学习是不是需要很深的数学功底还是别人实现了 能运行跑起来就ok啦??

  • Spark的MLLib极大的简化了机器学习库的使用,如果只是简单的使用,不要数学功底,只需要按照官方的示例直接使用即可。

  • 如果进行复制的算法实现,需要数学功底,例如线性代数、统计学等

Q5:还是要深入学习机器学习的那些算法?

  • 从实际应用的角度考虑,最重要的机器学习算法时协同过滤,基于协同过滤的推荐系统在应用系统中有广泛的应用,需要最为第一重点掌握;

  • 分类、聚类、线性回归等也是非常常用而重要的;

     

Q6:请教下,如果目前应用主要是结构化数据的ORCALE,语言是PLSQL,转换到SPARKSQL是否难度很大,需要完全代码重写呢?

  • 在实际生产环境下,数据和大数据系统是并行存在的,数据库一般直接负责线上交互,大数据系统负责数据分析、实时流处理、交互式查询等;

  • 如果熟练使用PLSQL,可以轻而易举的掌握Spark SQL

到此,关于“spark线上用哪个版本好”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注云搜网网站,小编会继续努力为大家带来更多实用的文章!