女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

未來大數據時代,Hadoop會被Spark取代?

倩倩 ? 來源:IT168 ? 2020-03-20 14:12 ? 次閱讀

由雅虎為工程師和數據科學家打造的Apache Hadoop曾因巨大的潛力而備受稱贊,但如今它卻受到了更快的產品的影響,而這些產品往往來自于它本身的生態系統——Spark就是其中之一。今年早些,H20.ai的創始人Sri Ambati對Datanami 曾說:“Spark將會使Hadoop處于絕地”。

但在過去的幾年中,Hadoop似乎并沒有出現過任何衰退的跡象。在2015年Atscale的調查報告中顯示:“在未來3個月內,已經有超過 76%的人使用Hadoop來做更多的工作。”這些受訪者中大約有一半聲稱他們利用Hadoop工作中獲得了一定的價值。Hadoop作為一個十多年的老品牌,在產品的采用方面并沒有減緩下降的趨勢,Spark也并沒有做到真正取代Hadoop。空口無憑,下面我們從以下幾個方面來分析一下Spark在未來的幾年之內到底能不能真正的取代Hadoop。

按行業劃分的市場滲透率

毫無疑問,為專家設計的產品一般都會停留在原來的軌道上,在其他方面不會有所涉及。但Spark在各個行業都存在一些有意義的分布,這可能要歸功于各種市場上的大數據的泛濫。所以,雖然Spark可能有更廣泛的應用,但Hadoop仍然支配著原本預期的用戶群。

主要地理市場

在全球范圍內,我們可以看到Informatica處于中心位置——在歐洲和美洲整體市場份額占比達32%。在兩年半的時間里,我們跟蹤了Informatica在云市場和工業領域的增長,結果顯示達到了50%的增長,而且在高等教育領域也處于領先地位。上周, Informatica被Gartner評為主數據管理解決方案2017年魔力象限的領導者。而Hadoop仍然停留于過去成功的地理市場中。

公司規模的采用趨勢

在企業客戶中Spark也沒有大范圍的涉及。我們注意到世界上大多數公司規模較小,一般都為1-50名員工,所以Spark似乎并不是任何規模公司的唯一選擇。對于那些已經使用Hadoop的人來說,這個產品也對企業和公司起到了一定的作用,而且 Hadoop并不僅限于一種用戶。而Hadoop無論在何種規模的公司中,使用率相對于Spark還是非常高的。

寫在最后

此外,在調查的過程中,傳統的科技公司像eBay、Verizon、惠普和亞馬遜等主流廠商已經開始使用Spark,但是Hadoop還沒有被大規模的拋棄。相反,用戶使用Spark作為系統的介紹,利用這個程序來突破Hadoop的障礙,兩者的結合,使得工作更高效的完成。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • Hadoop
    +關注

    關注

    1

    文章

    90

    瀏覽量

    16346
  • 大數據
    +關注

    關注

    64

    文章

    8950

    瀏覽量

    139474
收藏 人收藏

    評論

    相關推薦
    熱點推薦

    大數據時代,如何提高高速PCB設計效率?

    大數據時代,無論是數據中心的解決方案、汽車與工業設備,還是日常消費電子產品,各類設備的信號傳輸速率正以前所未有的速度提升。以PCIe6.0為例,其傳輸速率已高達64Gbps;USB4緊隨其后,達到
    的頭像 發表于 04-23 09:44 ?346次閱讀
    <b class='flag-5'>大數據</b><b class='flag-5'>時代</b>,如何提高高速PCB設計效率?

    FPGA+AI王炸組合如何重塑未來世界:看看DeepSeek東方神秘力量如何預測......

    工作的理解。 有AI加持的FPGA工程師不僅不會被人工智能取代,反而能夠充分發揮FPGA的靈活性和高效性,在AI時代創造出更具競爭力的解決方案,推動行業的創新與發展。 未來 FPGA 的發展將圍繞先進
    發表于 03-03 11:21

    公有云服務器在大數據與AI時代的角色與機遇

    隨著大數據和人工智能(AI)技術的飛速發展,公有云服務器作為支撐這些前沿技術的基礎設施,正扮演著越來越重要的角色。在這個數據驅動的時代,公有云服務器不僅為企業提供了強大的計算能力和靈活的資源調度,還
    的頭像 發表于 02-20 11:10 ?300次閱讀

    Hadoop 生態系統在大數據處理中的應用與實踐

    隨著數據量的爆發式增長,大數據處理技術成為企業關注焦點,Hadoop 生態系統在其中扮演著核心角色。 Hadoop Distributed File System(HDFS)是其分布式
    的頭像 發表于 01-21 17:48 ?363次閱讀

    上位機系統優化技巧 上位機如何處理大數據

    轉換為適合分析的格式,例如日期和時間格式的統一。 歸一化 :對數據進行標準化處理,以便在不同數據源之間進行比較。 2. 分布式存儲 大數據的體積通常非常龐大,傳統的單服務器存儲和處理方式難以應對。分布式存儲系統如
    的頭像 發表于 12-04 10:27 ?890次閱讀

    ADS1675最大數據吞吐率是是多少?

    ADS1675 24bit的ADC的采樣率最大是4Msps,請問這款adc的最大數據吞吐率是是多少?怎么算的,在datasheet中有明確寫出來嗎
    發表于 11-28 07:56

    SD NAND在大數據時代的應用場景

    SD NAND是一種結合了SD卡接口和NAND閃存技術的存儲解決方案。它通常指的是使用NAND閃存芯片并通過SD卡標準接口進行數據傳輸的存儲設備。在大數據應用中,SD NAND由于其便攜性、兼容性
    的頭像 發表于 10-29 15:49 ?580次閱讀
    SD NAND在<b class='flag-5'>大數據</b><b class='flag-5'>時代</b>的應用場景

    智慧城市與大數據的關系

    智慧城市與大數據之間存在著密切的關系,這種關系體現在大數據對智慧城市建設的支撐和推動作用,以及智慧城市產生的大量數據大數據技術的應用需求。 大數據
    的頭像 發表于 10-24 15:27 ?1203次閱讀

    耳機座連接器:未來是否會被全部取代

    耳機座連接器作為音頻設備的重要組成部分,長期以來在手機、電腦和音響等設備中占據著不可或缺的地位。隨著科技的進步,耳機座連接器的未來似乎面臨著許多挑戰。本文將分析耳機座連接器是否會被全部取代的可能性,探討其優缺點、市場趨勢以及用戶
    的頭像 發表于 10-11 15:16 ?759次閱讀
    耳機座連接器:<b class='flag-5'>未來</b>是否<b class='flag-5'>會被</b>全部<b class='flag-5'>取代</b>?

    耳機座接口會被TYPE-C取代嗎?

    耳機座接口,即傳統的3.5mm耳機插孔,一直以來都是音頻設備的標準配置。然而,隨著科技的發展和用戶需求的變化,TYPE-C接口逐漸嶄露頭角,成為許多設備的主流選擇。這一趨勢引發了一個重要問題:耳機座接口會被TYPE-C取代嗎?
    的頭像 發表于 10-11 14:24 ?694次閱讀

    基于Kepware的Hadoop大數據應用構建-提升數據價值利用效能

    處理超大數據集。 Hadoop的生態系統非常豐富,包括許多相關工具和技術,如Hive、Pig、HBase等,這些工具可以方便地構建復雜的大數據應用。Hadoop廣泛應用于各種場景,包括
    的頭像 發表于 10-08 15:12 ?317次閱讀
    基于Kepware的<b class='flag-5'>Hadoop</b><b class='flag-5'>大數據</b>應用構建-提升<b class='flag-5'>數據</b>價值利用效能

    spark為什么比mapreduce快?

    減少的是磁盤I/O次數(相比于mapreduce計算模型而言),而不是shuffle次數,因為shuffle是根據數據重組的次數而定,所以shuffle次數不能減少 ? 所以總結spark
    的頭像 發表于 09-06 09:45 ?462次閱讀

    spark運行的基本流程

    前言: 由于最近對spark的運行流程非常感興趣,所以閱讀了《Spark大數據處理:技術、應用與性能優化》一書。通過這本書的學習,了解了spark的核心技術、實際應用場景以及性能優化的
    的頭像 發表于 07-02 10:31 ?666次閱讀
    <b class='flag-5'>spark</b>運行的基本流程

    Spark基于DPU的Native引擎算子卸載方案

    ?和 R?等多種高級編程語言,這使得Spark可以應對各種復雜的大數據應用場景,例如金融、電商、社交媒體等。 Spark 經過多年發展,作為基礎的計算框架,不管是在
    的頭像 發表于 06-28 17:12 ?968次閱讀
    <b class='flag-5'>Spark</b>基于DPU的Native引擎算子卸載方案

    關于Spark的從0實現30s內實時監控指標計算

    前言 說起Spark,大家就會自然而然地想到Flink,而且會不自覺地將這兩種主流的大數據實時處理技術進行比較。然后最終得出結論:Flink實時性大于Spark。 的確,Flink中的數據
    的頭像 發表于 06-14 15:52 ?703次閱讀