impala视频
- 作者: 烟花寂寞丶
- 来源: 51数据库
- 2020-09-26
有不少做这类的，不过好的当然是到魔据很注重基础教育，刚开始有些枯燥，入门就好了，现在缺Hadoop人才，好好学会有前途。如果没有基础一般需要5个月，薪资不错。
impala比spark性能还要好，但你看它现在这个鸟样。
认真来讲，hadoop现在分三块hdfs/mr/yarn，spark比hadoop性能好，只是spark作为一个计算引擎，比mr的性能要好。但它的存储和调度框架还是依赖于hdfs/yarn，spark也有自己的调度框架，但仍然非常不成熟，基本不可商用。
目前来看，yarn在hadoop的发展过程中占的比重较多，而且作为一个调度和资源管理框架，它可以兼容多计算框架。而且现在大数据领域的框架底层存储基本都依赖于hdfs，这也就是为什么很多文章开头就说“hadoop已经是大数据领域的事实标准”。
回到问题，大数据领域，“性能”可能并不是衡量一个大数据组件的唯一标准，安全、可靠性、与其他框架的兼容性、资源管理、可扩展性同样很重要，而hadoop作为大数据领域的核心组件，这些方面肯定都需要考虑，而不单单是性能。
impala比spark性能还要好，但你看它现在这个鸟样。
认真来讲，hadoop现在分三块hdfs/mr/yarn，spark比hadoop性能好，只是spark作为一个计算引擎，比mr的性能要好。但它的存储和调度框架还是依赖于hdfs/yarn，spark也有自己的调度框架，但仍然非常不成熟，基本不可商用。
目前来看，yarn在hadoop的发展过程中占的比重较多，而且作为一个调度和资源管理框架，它可以兼容多计算框架。而且现在大数据领域的框架底层存储基本都依赖于hdfs，这也就是为什么很多文章开头就说“hadoop已经是大数据领域的事实标准”。
回到问题，大数据领域，“性能”可能并不是衡量一个大数据组件的唯一标准，安全、可靠性、与其他框架的兼容性、资源管理、可扩展性同样很重要，而hadoop作为大数据领域的核心组件，这些方面肯定都需要考虑，而不单单是性能。
推荐阅读
