Cassandra聯手Spark 大資料分析將迎來哪些改變？

2014HTTP://www.aliyun.com/zixun/aggregation/13383.html">Spark峰會在美國三藩市舉行，與會資料庫平臺供應商DataStax宣佈， 與Spark供應商Databricks合作，在它的旗艦產品 DataStax Enterprise 4.5 (DSE)中，將Cassandra NoSQL資料庫與Apache Spark開源引擎相結合， 為使用者提供基於記憶體處理的即時分析。

Databricks是一家由Apache Spark創始人成立的公司。 談到這次合作，DataStax副總裁John Glendenning表示：「將Spark與Cassandra集成，這還是資料庫行業內的第一次合作。 」

Cassandra是一個分散式、高可擴展的資料庫，使用者可以創建線上應用程式，即時處理大量資料。

Apache Spark是應用於Hadoop集群的處理引擎，在記憶體條件下可以為Hadoop加速100倍，在磁片上運行時也能實現十倍的加速。 Spark還提供SQL、流資料處理、機器學習和圖型計算等功能。

Cassandra與Spark的結合，讓端到端的分析工作流的實現更為容易。 另外，交易型資料庫的分析性能也能得到很大的提升，企業可以更快地回應客戶需求。

對於需要向客戶提供即時推薦和個人化的線上體驗的公司，Cassandra與Spark的結合堪稱福音。

視頻分析公司的Cassandra/Spark應用先例

Cassandra+Spark架構的使用早有先例，Ooyala就是其中之一。 Ooyala是一家視頻分析供應商。 Ooyala每天要處理20億個視頻事件，在大約220個節點上有約28TB的資料要處理。 但是Ooyala的技術團隊負責人 Harry Robertson還是能夠自信地說：「我們不是僅僅告訴客戶，你的視頻幾天播放了100遍，我們會提供更詳細的資訊，比如有80次播放來自于北京，20次來自于Yahoo.com。 」而支撐這一切的正是Cassandra集群。

但是，只擁有大資料的處理能力還不夠，Ooyala需要將「堆積如山」的原始事件轉變成小的、可操作的事件。 公司之前考慮過Hadoop，但Hadoop擴充性有餘，即時性不足。 也考慮過Storm這樣的即時流處理框架，但它只有處理固定的流程時才具有優勢，彈性查詢能力欠佳。 最終，Ooyala選擇了記憶體分散式運算框架Spark。

現在Ooyala正在運行的就是Spark/Cassandra架構。