Apache Spark 1.4 发布,开源集群计算系统

2015年06月12日 14:47 263 次阅读 来源: 开源中国 作者: 路人甲
摘要 Apache Spark 1.4 发布,该版本将 R API 引入 Spark,同时提升了 Spark 的核心引擎和 MLlib ,以及 Spark Streaming 的可用性。部分重要更新如下:Spark CoreSpark core 有多各方面的改进,主要集中在操作,性能和兼容性上:SPARK-6942: Visualization for Spark DAGs and operationa...

Apache Spark 1.4 发布,该版本将 R API 引入 Spark,同时提升了 Spark 的核心引擎和 MLlib ,以及 Spark Streaming 的可用性。部分重要更新如下:


Spark Core


Spark core 有多各方面的改进,主要集中在操作,性能和兼容性上:


SPARK-6942: Visualization for Spark DAGs and operational monitoring

SPARK-4897: Python 3 support

SPARK-3644: A REST API for application information

SPARK-4550: Serialized shuffle outputs for improved performance

SPARK-7081: Initial performance improvements in project Tungsten

SPARK-3074: External spilling for Python groupByKey operations

SPARK-3674: YARN support for Spark EC2 and SPARK-5342: Security for long running YARN applications

SPARK-2691: Docker support in Mesos and SPARK-6338: Cluster mode in Mesos

DataFrame API and Spark SQL


The DataFrame API 在 Spark 1.4 有重要扩展 (see this link for a full list),主要集中在分析和数学函数。 Spark SQL 引入新的实用工具,并且支持 ORCFile.


SPARK-2883: Support for ORCFile format

SPARK-2213: Sort-merge joins to optimize very large joins

SPARK-5100: Dedicated UI for the SQL JDBC server

SPARK-6829: Mathematical functions in DataFrames

SPARK-8299: Improved error message reporting for DataFrame and SQL

SPARK-1442: Window functions in Spark SQL and DataFrames

SPARK-6231 / SPARK-7059: Improved API support for self joins

SPARK-5947: Partitioning support in Spark’s data source API

SPARK-7320: Rollup and cube functions

SPARK-6117: Summary and descriptive statistics

Spark ML/MLlib


Spark’s ML pipelines API graduates from alpha in this release, with new transformers and improved Python coverage. MLlib 增加了几种新算法。


SPARK-5884: A variety of feature transformers for ML pipelines

SPARK-7381: Python API for ML pipelines

SPARK-5854: Personalized PageRank for GraphX

SPARK-6113: Stabilize DecisionTree and ensembles APIs

SPARK-7262: Binary LogisticRegression with L1/L2 (elastic net)

SPARK-7015: OneVsRest multiclass to binary reduction

SPARK-4588: Add API for feature attributes

SPARK-1406: PMML model evaluation support via MLib

SPARK-5995: Make ML Prediction Developer APIs public

SPARK-3066: Support recommendAll in matrix factorization model

SPARK-4894: Bernoulli naive Bayes

SPARK-5563: LDA with online variational inference to the release note

Spark Streaming


Spark streaming 添加了新的视觉仪表图形,并大大提高了 UI 调试器的信息,同时增强了对 Kafka 和 Kinesis 的支持。


SPARK-7602: Visualization and monitoring in the streaming UI including batch drill down (SPARK-6796, SPARK-6862)

SPARK-7621: Better error reporting for Kafka

SPARK-2808: Support for Kafka 0.8.2.1 and Kafka with Scala 2.11

SPARK-5946: Python API for Kafka direct mode

SPARK-7111: Input rate tracking for Kafka

SPARK-5960: Support for transferring AWS credentials to Kinesis

SPARK-7056 A pluggable interface for write ahead logs

更多内容请查看 发行说明。


Spark 1.4下载请点这里: downloads 。


Apache 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。

还可以输入136 讨论区:
评 论