如何成為雲端運算大資料Spark高手

標籤：style   java   使用   strong   資料   os   

      Spark是發源於美國加州大學伯克利分校AMPLab的叢集計算平台，它立足於記憶體計算，效能超過Hadoop百倍，從多迭代批量處理出發，兼收並蓄資料倉儲、流處理和圖計算等多種計算範式，是罕見的全能選手。Spark採用一個統一的技術堆棧解決了雲端運算大資料的如流處理、圖技術、機器學習、NoSQL查詢等方面的所有核心問題，具有完善的生態系統，這直接奠定了其一統雲端運算大資料領域的霸主地位。

      伴隨Spark技術的普及推廣，對專業人才的需求日益增加。Spark專業人才在未來也是炙手可熱，輕而易舉可以拿到百萬的薪酬。而要想成為Spark高手，也需要一招一式，從內功練起：通常來講需要經曆以下階段：

 

第一階段：熟練的掌握Scala語言

1，Spark架構是採用Scala語言編寫的，精緻而優雅。要想成為Spark高手，你就必須閱讀Spark的原始碼，就必須掌握Scala,；

2， 雖然說現在的Spark可以採用多語言Java、Python等進行應用程式開發，但是最快速的和支援最好的開發API依然並將永遠是Scala方式的API，所以你必須掌握Scala來編寫複雜的和高效能的Spark分布式程式；

3， 尤其要熟練掌握Scala的trait、apply、函數式編程、泛型、逆變與協變等；

 

第二階段：精通Spark平台本身提供給開發人員API

1， 掌握Spark中面向RDD的開發模式，掌握各種transformation和action函數的使用；

2， 掌握Spark中的寬依賴和窄依賴以及lineage機制；

3， 掌握RDD的計算流程，例如Stage的劃分、Spark應用程式提交給叢集的基本過程和Worker節點基礎的工作原理等

 

第三階段：深入Spark核心

       此階段主要是通過Spark架構的源碼研讀來深入Spark核心部分：

1， 通過源碼掌握Spark的任務提交過程；

2，  通過源碼掌握Spark叢集的任務調度；

3，  尤其要精通DAGScheduler、TaskScheduler和Worker節點內部的工作的每一步的細節；

 

第四階級:掌握基於Spark上的核心架構的使用

Spark作為雲端運算大資料時代的集大成者，在即時資料流處理、圖技術、機器學習、NoSQL查詢等方面具有顯著的優勢，我們使用Spark的時候大部分時間都是在使用其上的架構例如Shark、Spark Streaming等：

1，  Spark Streaming是非常出色的即時資料流處理架構，要掌握其DStream、transformation和checkpoint等；

2，  Spark的離線統計分析功能，Spark 1.0.0版本在Shark的基礎上推出了Spark SQL，離線統計分析的功能的效率有顯著的提升，需要重點掌握；

3，  對於Spark的機器學習和GraphX等要掌握其原理和用法；

 

第五階級:做商業層級的Spark項目

     通過一個完整的具有代表性的Spark項目來貫穿Spark的方方面面，包括項目的架構設計、用到的技術的剖析、開發實現、營運等，完整掌握其中的每一個階段和細節，這樣就可以讓您以後可以從容面對絕大多數Spark項目。

 

第六階級：提供Spark解決方案

1，  徹底掌握Spark架構源碼的每一個細節；

2，   根據不同的業務情境的需要提供Spark在不同情境的下的解決方案；

3，   根據實際需要，在Spark架構基礎上進行二次開發，打造自己的Spark架構；

        前面所述的成為Spark高手的六個階段中的第一和第二個階段可以通過自學逐步完成，隨後的三個階段最好是由高手或者專家的指引下一步步完成，最後一個階段，基本上就是到”無招勝有招”的時期，很多東西要用心領悟才能完成。