基于CDP7.1.3的Spark3.0有什么特性

這篇文章主要介紹了基于CDP7.1.3的Spark3.0有什么特性，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

公司主營(yíng)業(yè)務(wù)：成都網(wǎng)站建設(shè)、成都網(wǎng)站設(shè)計(jì)、移動(dòng)網(wǎng)站開發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實(shí)現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競(jìng)爭(zhēng)能力。創(chuàng)新互聯(lián)是一支青春激揚(yáng)、勤奮敬業(yè)、活力青春激揚(yáng)、勤奮敬業(yè)、活力澎湃、和諧高效的團(tuán)隊(duì)。公司秉承以“開放、自由、嚴(yán)謹(jǐn)、自律”為核心的企業(yè)文化，感謝他們對(duì)我們的高要求，感謝他們從不同領(lǐng)域給我們帶來的挑戰(zhàn)，讓我們激情的團(tuán)隊(duì)有機(jī)會(huì)用頭腦與智慧不斷的給客戶帶來驚喜。創(chuàng)新互聯(lián)推出定南免費(fèi)做網(wǎng)站回饋大家。

Cloudera正式宣布發(fā)布CDS3，基于Apache Spark 3.0.1，參考：

https://spark.apache.org/news/spark-3-0-1-released.html

這是一個(gè)正式版本，可以生產(chǎn)系統(tǒng)中使用。而且這個(gè)版本受Cloudera Support支持。

以下是Spark3的關(guān)鍵新特性：

1.Spark3的TPC-DS性能進(jìn)一步提升；

2.語(yǔ)言支持

  a)Scala version is upgraded to 2.12

  b)JDK11 is fully supported.

 c)Python3.6+ is supported. Python 2 and Python 3 prior to version 3.6 are deprecated

3.Adaptive execution of Spark SQL

  a)對(duì)于AQE而言，最重要的問題就是什么時(shí)候去重新計(jì)算優(yōu)化執(zhí)行計(jì)劃。Spark任務(wù)的算子如果管道排列，依次并行執(zhí)行。然而，shuffle或者broadcast exchange會(huì)打斷算子的排列執(zhí)行，我們稱其為物化點(diǎn)（Materialization Points），并且用"Query Stages"來代表那些被物化點(diǎn)所分割的小片段。每個(gè)Query Stage會(huì)產(chǎn)出中間結(jié)果，當(dāng)且僅當(dāng)該stage及其并行的所有stage都執(zhí)行完成后，下游的Query Stage才能被執(zhí)行。所以當(dāng)上游部分stage執(zhí)行完成，partitions的統(tǒng)計(jì)數(shù)據(jù)也獲取到了，并且下游還未開始執(zhí)行，這就給AQE提供了reoptimization的機(jī)會(huì)。在查詢開始時(shí)，生成完了執(zhí)行計(jì)劃，AQE框架首先會(huì)找到并執(zhí)行那些不存在上游的stages。一旦這些stage有一個(gè)或多個(gè)完成，AQE框架就會(huì)將其在physical plan中標(biāo)記為完成，并根據(jù)已完成的stages提供的執(zhí)行數(shù)據(jù)來更新整個(gè)logical plan。基于這些新產(chǎn)出的統(tǒng)計(jì)數(shù)據(jù)，AQE框架會(huì)執(zhí)行optimizer，根據(jù)一系列的優(yōu)化規(guī)則來進(jìn)行優(yōu)化；AQE框架還會(huì)執(zhí)行生成普通physical plan的optimizer以及自適應(yīng)執(zhí)行專屬的優(yōu)化規(guī)則，例如分區(qū)合并、數(shù)據(jù)傾斜處理等。于是，我們就獲得了最新優(yōu)化過的執(zhí)行計(jì)劃和一些已經(jīng)執(zhí)行完成的stages，至此為一次循環(huán)。接著我們只需要繼續(xù)重復(fù)上面的步驟，直到整個(gè)query都跑完。

4.Dynamic Partition Pruning (DPP)

  a)Spark 3.0引入了動(dòng)態(tài)分區(qū)裁剪功能，這是SQL分析工作負(fù)載的一項(xiàng)重大性能改進(jìn)。DPP背后的想法是將維度表上的篩選器集直接應(yīng)用到事實(shí)表上，以便跳過掃描不需要的分區(qū)。DPP的優(yōu)化是在邏輯計(jì)劃優(yōu)化和物理計(jì)劃上實(shí)現(xiàn)的。它大大增強(qiáng)了許多TPC-DS查詢的速度，并且可以很好的適應(yīng)星型模型，而無需對(duì)表進(jìn)行反范式化(Denormalization)。

5.Binary files data source

  a)Spark 3.0支持二進(jìn)制文件數(shù)據(jù)源。它可以讀取二進(jìn)制文件，并將每個(gè)文件轉(zhuǎn)換為包含文件原始內(nèi)容和元數(shù)據(jù)的一行。

6.DataSource V2 Improvements

  a)Pluggable catalog integration

  b)改進(jìn)謂詞下推功能，可通過減少數(shù)據(jù)加載來加快查詢速度

7.YARN Features

  a)Spark 3.0可以自動(dòng)在YARN集群上發(fā)現(xiàn)GPU，并將任務(wù)調(diào)度到指定的GPU節(jié)點(diǎn)。

8.Kafka connector delegation token (0.10+)

  a)對(duì)應(yīng)用只需要配置Spark的參數(shù)就可以完成認(rèn)證登錄，而不是非需要使用JAAS配置登錄。

該試驗(yàn)版本不支持以下組件：

• Hive Warehouse Connector

• Kudu

• HBase Connector

• Oozie

• Livy

• Zeppelin

參考文檔：

https://docs.cloudera.com/cdp-private-cloud-base/7.1.3/cds-3/topics/spark-spark-3-overview.html

下載地址：

http://archive.cloudera.com/p/spark3/3.0.7110.0/csd/SPARK3_ON_YARN-3.0.1.3.0.7110.0-81.jarhttps://archive.cloudera.com/p/spark3/3.0.7110.0/csd/LIVY_FOR_SPARK3-0.6.0.3.0.7110.0-81.jarhttp://archive.cloudera.com/p/spark3/3.0.7110.0/parcels/

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“基于CDP7.1.3的Spark3.0有什么特性”這篇文章對(duì)大家有幫助，同時(shí)也希望大家多多支持創(chuàng)新互聯(lián)，關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，更多相關(guān)知識(shí)等著你來學(xué)習(xí)!

網(wǎng)站名稱：基于CDP7.1.3的Spark3.0有什么特性
轉(zhuǎn)載來源：http://bm7419.com/article16/isgigg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、網(wǎng)站改版、外貿(mào)網(wǎng)站建設(shè)、商城網(wǎng)站、App開發(fā)、網(wǎng)站營(yíng)銷

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)