Tabla de contenido:
Apache Hadoop ha sido la base de las aplicaciones de big data durante mucho tiempo y se considera la plataforma de datos básica para todas las ofertas relacionadas con big data. Sin embargo, la base de datos en memoria y el cómputo están ganando popularidad debido a un rendimiento y resultados más rápidos. Apache Spark es un nuevo marco que utiliza capacidades en memoria para ofrecer un procesamiento rápido (casi 100 veces más rápido que Hadoop). Por lo tanto, el producto Spark se usa cada vez más en un mundo de big data, y principalmente para un procesamiento más rápido.
| Seminario web: El poder de la sugerencia: cómo un catálogo de datos capacita a los analistas Registrarse aquí |
¿Qué es Apache Spark?
Apache Spark es un marco de código abierto para procesar grandes volúmenes de datos (big data) con velocidad y simplicidad. Es adecuado para aplicaciones de análisis basadas en big data. Spark se puede usar con un entorno Hadoop, independiente o en la nube. Fue desarrollado en la Universidad de California y luego ofrecido a la Apache Software Foundation. Por lo tanto, pertenece a la comunidad de código abierto y puede ser muy rentable, lo que permite a los desarrolladores aficionados trabajar con facilidad. (Para obtener más información sobre el código abierto de Hadoop, consulte ¿Cuál es la influencia del código abierto en el ecosistema Apache Hadoop?)
El objetivo principal de Spark es que ofrece a los desarrolladores un marco de aplicación que funciona alrededor de una estructura de datos centrada. Spark también es extremadamente poderoso y tiene la capacidad innata de procesar rápidamente grandes cantidades de datos en un corto período de tiempo, lo que ofrece un rendimiento extremadamente bueno. Esto lo hace mucho más rápido que lo que se dice que es su competidor más cercano, Hadoop.
