1. 首页 > 百货

Spark 大数据处理最佳实践

内容框架:

大数据概览如何摆脱技术小白Spark SQL 学习框架EMR Studio 上的大数据最佳实践

一、大数据概览

大数据处理 ETL (Data →>

二、如何摆脱技术小白

什么是技术小白?

只懂表面,不懂本质比如:只懂得参考别人的 Spark 代码,不懂得 Spark 的内在机制,不懂得如何调优 Spark Job

摆脱技术小白的药方

懂得运行机制学会配置学会看 Log

懂得运行机制:Spark SQL Architecture

学会配置:如何配置 Spark App

配置 Driver

spark.driver.memory

spark.driver.cores

配置 Executor

spark.executor.memory

spark.executor.cores

spark.files

spark.jars

配置 DAE ….......... 学会看 Log:Spark Log

三、Spark SQL 学习框架

Spark SQL 学习框架( 结合图形/几何)

Spark SQL 执行计划

四、EMR Studio 实践

EMR Studio 特性:

兼容开源组件支持连接多个集群适配多个计算引擎交互式开发 + 作业调度无缝衔接适用多种大数据应用场景计算存储分离

EMR Studio 在开源软件 Apache Zeppelin,Jupyter Notebook, Apache Airflow 的基础上优化了做了优化和增强。

一个 EMR Studio 可以连接多个 EMR 计算集群,您可以很方便地切换计算集群,提交作业到不同的计算集群上运行。

自动适配 Hive、Spark、Flink、Presto、Impala 和 Shell 等多个计算引擎,无需复杂配置,多个计算引擎间协同工作

4. 交互式开发 + 作业调度无缝衔接

Notebook + Airflow : 无缝衔接开发环节和生产调度环节

利用交互式开发模式可以快速验证作业的正确性.在 Airflow 里调度 Notebook 作业,最大程度得保证开发环境和生产环境的一致性,防止由于开发阶段和生产阶段环境不一致而导致的问题。

5. 适用多种大数据应用场景

大数据处理 ETL交互式数据分析机器学习实时计算

所有数据都保存在 OSS 上,包括:

用户 Notebook 代码

调度作业 Log

即使集群销毁,也可以重建集群轻松恢复数据

本网站的文章部分内容可能来源于网络和网友发布,仅供大家学习与参考,如有侵权,请联系站长进行删除处理,不代表本网站立场,转载者并注明出处:https://jmbhsh.com/baihuo725/36483.html

联系我们

QQ号:***

微信号:***

工作日:9:30-18:30,节假日休息