0 added
0 removed
Original
2026-01-01
Modified
2026-03-10
1
<p>Теги: облачные технологии, spark</p>
1
<p>Теги: облачные технологии, spark</p>
2
<p><strong>Spark</strong>-- известный open source-фреймворк из экосистемы Hadoop-проектов, позволяющий выполнять распределенную обработку как неструктурированных, так и слабоструктурированных данных. Рассмотрим несколько фактов, которые стали причиной популярности фреймворка.</p>
2
<p><strong>Spark</strong>-- известный open source-фреймворк из экосистемы Hadoop-проектов, позволяющий выполнять распределенную обработку как неструктурированных, так и слабоструктурированных данных. Рассмотрим несколько фактов, которые стали причиной популярности фреймворка.</p>
3
<h4>Факты про Spark:</h4>
3
<h4>Факты про Spark:</h4>
4
<ol><li>Во-первых,<strong>Apache Spark</strong>является фреймворком для обработки данных в области Big Data. А так как он работает в оперативной памяти и обращается к диску редко, то и обработка данных осуществляется очень быстро, что не может не радовать.</li>
4
<ol><li>Во-первых,<strong>Apache Spark</strong>является фреймворком для обработки данных в области Big Data. А так как он работает в оперативной памяти и обращается к диску редко, то и обработка данных осуществляется очень быстро, что не может не радовать.</li>
5
<li>Во-вторых, ранее стандартом для обработки данных был<strong>Hadoop MapReduce</strong>. Однако он известен двумя существенными недостатками: повышенная сложность разработки и низкая производительность. В Spark в этом плане все интереснее.</li>
5
<li>Во-вторых, ранее стандартом для обработки данных был<strong>Hadoop MapReduce</strong>. Однако он известен двумя существенными недостатками: повышенная сложность разработки и низкая производительность. В Spark в этом плане все интереснее.</li>
6
<li>В-третьих, закономерным результатом предыдущего утверждения стало то, что сегодня стандартом, по сути, стал<strong>Apache Spark</strong>. Этот фреймворк создавался для решения двух задач: устранение минусов MapReduce при сохранении его преимуществ.</li>
6
<li>В-третьих, закономерным результатом предыдущего утверждения стало то, что сегодня стандартом, по сути, стал<strong>Apache Spark</strong>. Этот фреймворк создавался для решения двух задач: устранение минусов MapReduce при сохранении его преимуществ.</li>
7
<li>В-четвертых, Apache Spark и прочие Big Data-технологии сегодня активно используются<a>в облаках</a>. В результате это дает возможность еще и получать все преимущества современных<strong>облачных</strong>сервисов.</li>
7
<li>В-четвертых, Apache Spark и прочие Big Data-технологии сегодня активно используются<a>в облаках</a>. В результате это дает возможность еще и получать все преимущества современных<strong>облачных</strong>сервисов.</li>
8
<li>В-пятых, Spark эффективно используется в Kubernetes, что позволяет активно использовать технологии контейнеризации, причем о конкретных преимуществах этого<a>мы уже писали</a>.</li>
8
<li>В-пятых, Spark эффективно используется в Kubernetes, что позволяет активно использовать технологии контейнеризации, причем о конкретных преимуществах этого<a>мы уже писали</a>.</li>
9
</ol><p>Таким образом, можно сделать однозначный вывод:<strong>Spark достоин того, чтобы его изучать</strong>. Сделать это можно<a>на курсах Otus</a>. Не пропустите!</p>
9
</ol><p>Таким образом, можно сделать однозначный вывод:<strong>Spark достоин того, чтобы его изучать</strong>. Сделать это можно<a>на курсах Otus</a>. Не пропустите!</p>
10
10