我們被各方的數(shù)據(jù)所包圍。隨著數(shù)據(jù)每兩年增加一倍，數(shù)字世界正在快速追逐物理世界。據(jù)估計，到2020年，數(shù)字宇宙將達(dá)到44個zettabytes - 與宇宙中的恒星一樣多的數(shù)字位。

數(shù)據(jù)正在增加，我們不會很快擺脫它。為了消化所有這些數(shù)據(jù)，市場上有越來越多的分布式系統(tǒng)。在這些系統(tǒng)中，Hadoop和Spark經(jīng)常作為直接競爭對手相互競爭。

在決定這兩個框架中哪一個適合您時，根據(jù)幾個基本參數(shù)對它們進(jìn)行比較非常重要。

性能

Spark非常閃電，并且發(fā)現(xiàn)它的性能優(yōu)于Hadoop框架。它在內(nèi)存中的運(yùn)行速度提高了100倍，在磁盤上運(yùn)行速度提高了 10倍。此外，我們發(fā)現(xiàn)，它使用10倍的機(jī)器，比使用Hadoop快3倍的數(shù)據(jù)排序100 TB。

Spark是如此之快，因為它處理內(nèi)存中的所有內(nèi)容。得益于Spark的內(nèi)存處理，它可以為來自營銷活動，物聯(lián)網(wǎng)傳感器，機(jī)器學(xué)習(xí)和社交媒體網(wǎng)站的數(shù)據(jù)提供實時分析。

但是，如果Spark和其他共享服務(wù)在YARN上運(yùn)行，則其性能可能會降低。這可能導(dǎo)致RAM開銷內(nèi)存泄漏。另一方面，Hadoop輕松處理這個問題。如果用戶傾向于批量處理，Hadoop比Spark更有效。

Hadoop和Spark都有不同的處理方式。因此，它完全取決于項目的需求，是否在Hadoop和Spark性能戰(zhàn)中繼續(xù)使用Hadoop或Spark。

Facebook及其與Spark框架的過渡之旅

Facebook上的數(shù)據(jù)每過一秒就會增加。為了處理這些數(shù)據(jù)并使用它來做出明智的決定，F(xiàn)acebook使用分析。為此，它使用了許多平臺，如下所示：

• Hive平臺執(zhí)行Facebook的一些批量分析。
• 用于自定義MapReduce實現(xiàn)的Corona平臺。
• 基于ANSI-SQL的查詢的Presto足跡。

上面討論的Hive平臺在計算上是“資源密集型的”。所以，維持這是一個巨大的挑戰(zhàn)。因此，F(xiàn)acebook決定切換到Apache Spark框架來管理他們的數(shù)據(jù)。今天，F(xiàn)acebook已經(jīng)通過集成Spark為實體排名系統(tǒng)部署了一條更快的可管理管道。 

安全

Spark的安全性仍在不斷發(fā)展，因為它目前只支持通過共享密鑰進(jìn)行身份驗證(密碼身份驗證)。甚至Apache Spark的官方網(wǎng)站聲稱，“存在許多不同類型的安全問題。Spark并不一定能防范所有事情。“

另一方面，Hadoop具有以下安全功能：Hadoop身份驗證，Hadoop授權(quán)，Hadoop審計和Hadoop加密。所有這些都與Knox Gateway和Sentry等Hadoop安全項目集成在一起。

一句話：在Hadoop vs Spark Security的戰(zhàn)斗中，Spark比Hadoop安全一點。但是，在將Spark與Hadoop集成時，Spark可以使用Hadoop的安全功能。

成本

首先，Hadoop和Spark都是開源框架，因此免費(fèi)提供。兩者都使用商用服務(wù)器，在云上運(yùn)行，似乎有一些類似的硬件要求： 

那么，如何根據(jù)成本對它們進(jìn)行評估呢?

請注意，Spark利用大量RAM來運(yùn)行內(nèi)存中的所有內(nèi)容。鑒于RAM的價格高于硬盤，這可能會影響成本。

另一方面，Hadoop受磁盤限制。因此，您購買昂貴RAM的成本得以節(jié)省。但是，Hadoop需要更多系統(tǒng)來分發(fā)磁盤I / O.

因此，在比較Spark和Hadoop框架的成本參數(shù)時，組織將不得不考慮他們的要求。

如果需求傾向于處理大量的大型歷史數(shù)據(jù)，Hadoop是繼續(xù)選擇的選擇，因為硬盤空間的價格遠(yuǎn)低于內(nèi)存空間。

另一方面，當(dāng)我們處理實時數(shù)據(jù)選項時，Spark可以具有成本效益，因為它使用較少的硬件以更快的速度執(zhí)行相同的任務(wù)。

結(jié)論：在Hadoop與Spark成本之爭中，Hadoop肯定會降低成本，但當(dāng)組織必須處理較少量的實時數(shù)據(jù)時，Spark才具有成本效益。

便于使用

Spark框架的最大USP之一是其易用性。Spark為Scala Java，Python和Spark SQL(也稱為Shark)提供了用戶友好且舒適的API。

Spark的簡單構(gòu)建塊使編寫用戶定義的函數(shù)變得容易。此外，由于Spark允許批處理和機(jī)器學(xué)習(xí)，因此簡化數(shù)據(jù)處理的基礎(chǔ)設(shè)施變得容易。它甚至包括一個交互模式，用于運(yùn)行具有即時反饋的命令。

Hadoop是用Java編寫的，并且在為沒有交互模式編寫程序的困難鋪平道路方面聲名狼借。雖然Pig(附加工具)使編程更容易，但是需要一些時間來學(xué)習(xí)語法。

結(jié)論：在'易用性'Hadoop vs Spark之戰(zhàn)中，他們都有自己的方式讓自己對用戶友好。但是，如果我們必須選擇一個，Spark更容易編程并包含交互模式。

Apache Hadoop和Spark有可能建立協(xié)同關(guān)系嗎?

是的，這是非常可能的，我們推薦它。讓我們深入了解它們?nèi)绾螀f(xié)同工作。

Apache Hadoop生態(tài)系統(tǒng)包括HDFS，Apache Query和HIVE。讓我們看看Apache Spark如何利用它們。

Apache Spark和HDFS的融合

Apache Spark的目的是處理數(shù)據(jù)。但是，為了處理數(shù)據(jù)，引擎需要從存儲器輸入數(shù)據(jù)。為此，Spark使用HDFS。(這不是唯一的選擇，但是最受歡迎的選擇，因為Apache是​​兩者背后的大腦)。

Apache Hive和Apache Spark的混合體

Apache Spark和Apache Hive高度兼容，它們可以解決許多業(yè)務(wù)問題。

例如，假設(shè)企業(yè)正在分析消費(fèi)者行為。現(xiàn)在，為此，該公司將需要從各種來源收集數(shù)據(jù)，如社交媒體，評論，點擊流數(shù)據(jù)，客戶移動應(yīng)用程序等等。

組織可以利用HDFS存儲數(shù)據(jù)，Apache hive作為HDFS和Spark之間的橋梁。

優(yōu)步及其合并方法

優(yōu)步使用Spark和Hadoop

為了處理消費(fèi)者數(shù)據(jù)，優(yōu)步使用了Spark和Hadoop的組合。它使用實時交通情況在特定時間和地點提供駕駛員。為了實現(xiàn)這一目標(biāo)，優(yōu)步使用HDFS將原始數(shù)據(jù)上傳到Hive和Spark，以處理數(shù)十億個事件。

雖然Spark快速且易于使用，但Hadoop具有強(qiáng)大的安全性，龐大的存儲容量和低成本的批處理功能。選擇一個中的一個完全取決于您的項目的要求。兩者的結(jié)合將產(chǎn)生一種無敵的組合。

混合Spark的一些屬性和一些Hadoop來提出一個全新的框架：Spoop。