- 追加された行はこの色です。
- 削除された行はこの色です。
*spark [#ne317471]
*目次 [#j2bf0be9]
#contents
*はじめに [#l92e49b7]
このページにかぎらないのですが、だれでも編集可能です。
間違っていたら修正をお願いします。
注意点、更新時には、「spamではない場合はチェック」を入れないと、修正は破棄するように改造しています。
*sparkってなに [#p439219f]
一言でいうならば、分散処理のRDDという考え方を実装したフレームワーク。
メリットは多段処理が必要な演算の記述が簡潔にできる。
***採用実績 [#h1a12e5b]
CONVIVA ビデオ配信
Yahoo 台湾 分析をsparkが行っている
**RDDってなに [#yf3b2e0c]
たとえば、プログラマーは分散処理の流れを書くとsparkは分散処理の種類に応じて処理をスケジュールしてくれる。これには、多段処理の依存性を2種類に区別して、同一サーバ内で処理できるものと、他サーバでの処理結果を待つものに分けてスケジュールすることで、ネットワークの通信を最小にして高速化を図る。
また、演算が何らかの理由で失敗したとしても、スケジュールの系譜を逆算して、途中の成功している演算結果を利用する仕組みが備わっている。それは再帰的に行われる。
このように分散処理を多段にわけ、2種類に区別することで、系譜を作りスケジュールを行う考え方をRDDと読んでいるようだ。
これは、障害に強い分散処理とでも言えばいいのだろうか。
sparkという名称よりRDD分散処理フレームワークとしたほうが、実態を表した名前に近いのになぁと思った。
**遅延実行 [#n595b73b]
その他の特徴に、遅延実行がある。
アクションと呼ばれるトリガーが呼ばれるまで、なにもしない。
**Scalaの学習に最適 [#j85742bc]
ソースコードがJavaのプログラマーが理解できるようにコメントがしっかりしていて、
Akkaをつかって、リモートで実行させる記述など、勉強になることが多い。
***コードについて [#y63cf154]
version0.6でだいたいできていて、1万行でversion1.0では、5万行、でも内容は大差なく、機能がプラグイン形式になったり、コメントが豊富になったりしている。
***コミッターについて [#p56d6433]
100人規模になっているが、メインは4人
**チューニング [#tbf76cef]
メモリを使うモード、ストレージを使うモードなどなど、
処理に合わせて、チューニングできるようになっている。
ソースコードを見るとわかる。
***デバック [#n525ea54]
デバックに癖があるとのこと
**URL [#b2fd0f23]
http://spark.apache.org/
***ダウンロード [#lac3f811]
spark.apache.org/downloads.html
Scalaのサンプルが書いてあるので
scalaがインストールされている前提。
**YARN [#y168c5b5]
任意の分散処理フレームワークやアプリケーションの作成を容易にする新しいフレームワークのことです。MapReduceのバージョン2とも呼ばれています。
JobTrackerの代替えです。
Yet-Another-Resource-Negotiatorの頭文字をとっています。
***[Mesos]Hadoop YARNとApache Mesosの違いって何? [#x26e8db1]
http://d.hatena.ne.jp/kimutansk/20131104/1383496192
http://blog.livedoor.jp/sonots/archives/35421955.html
***その他きになること [#v19673f8]
Googleのオメガは、リソース管理やってて、参考にするのか、そのあたりどうなるか。。。
***scala [#d36b9391]
http://www.scala-lang.org/download/
**ドキュメントリンク [#hf6e3ef1]
http://databricks.com/spark
*Typesafe Activator [#a8919e3d]
Typesafe Activatorとは、Scala/Java向けのWebアプリケーションフレームワーク「Akka」などに向けたアプリケーション開発ツールです。
Hadoop上にWebアプリを構築する方法を表示する「Play Framework + HBase」や「Reactive Mongo + Knockout」などがあります。
http://typesafe.com/activator
**エコシステム(Sparkを使った特定用途のフレームワーク) [#hb387830]
Spark Streaming
Shark (SQLが使える)
以下略
*勉強会 [#bf9535fb]
hadoopの勉強会で、紹介されてました。
twitterで#hadoopreading
で検索するとヒットするはず。
NTT DATAの豊洲の人々と、Treasure DATAの人が盛り上げていました。