Hadoop新成员Hadoop-Cloudera公司将Spark加入Hadoop

本篇文章思考的问题：

为什么Hadoop家族要加入Spark？

MapReduce能否改善，MapReduce适合什么场景，是否MapReduce一无是处？

Spark作为一个通用的并行计算框架，已经成为继Hadoop之后又一大热门开元项目，逐渐获得很多企业的支持。近日，Cloudera正式宣布开始商业支持Apache Spark 机器学习和数据流处理环境。

Spark内存计算框架适合各种迭代算法和交互式数据分析，能够提升大数据处理的实时性和准确性。而MapReduce处理框架则擅长复杂的批处理操作、登陆过滤、ETL（数据抽取、转换、加载）、网页索引等应用，MapReduce在低延迟业务上一直被人所诟病。

图一：Spark内存计算框架。

“Spark记录着数据产生的每一个操作，能够可靠地将这些数据存储在内存之中，这使得它非常适用于低延时的计算和有效的迭代算法。”Cloudera表示。

据悉，Cloudera Enterprise Data Hub版本提供多种先进的组件的无限支持，如交互式SQL分析的Impala、交互式搜索、导航数据管理以及Hbase NoSQL。Enterprise Flex版本则提供可选择组件版本，Enterprise Basic版本则是仅仅提供Hadoop基础核心组件。

根据Cloudera介绍，Cloudera将会在两个版本中安装支持Spark组件。用户可以利用它作为Enterprise Flex版本中一个可选组件，或者作为Enterprise Data Hub版本中包含的组件。

图二：Spark On YARN

据悉，该产品采用了Spark 0.9.0，Spark独立模式已经在Cloudera Enterprise Data Hub4.4.0中测试过。在不久的将来，Cloudera表示Enterprise 5.0和YARN中也将支持Spark。

来自群组: Hadoop技术组