Apache Spark 2.0 技术预览在 Databricks Community Edition 发布。该预览包使用upstream branch-2.0构建,当启动Cluster时,使用预览包和选择“2.0 (Tech Preview)” 一样简单。
离最终的Apache Spark 2.0发布还有几个星期,现在先来看看有什么新特性:
更简单:SQL和简化的API
Spark 2.0依然拥有标准的SQL支持和统一的DataFrame/Dataset API。但我们扩展了Spark的SQL 性能,引进了一个新的ANSI SQL解析器并支持子查询。Spark 2.0可以运行所有的99 TPC-DS的查询,这需要很多的SQL:2003功能。
在编程API方面,我们已经简化了API:
统一Scala/Java下的DataFrames 和 Datasets
SparkSession
更简单、更高性能的Accumulator API
基于DataFrame的Machine Learning API 将成为主要的ML API
Machine Learning 管道持久性
R中的分布式算法
更快:Spark 作为一个编译器
Spark 2.0将拥有更快的速度,下图是Spark 2.0和Spark 1.6的速度对比图:
更智能:结构化数据流
通过在DataFrames之上构建持久化的应用程序来不断简化数据流,允许我们统一数据流,支持交互和批量查询。
文章转载自 开源中国社区[http://www.oschina.net]
时间: 2024-09-16 22:59:27