1、Spark简介
•
Spark最初由美国加州伯克利大学（UC Berkeley）的AMP实验室于2009年开发，是基于
内存
计算的大数据并行计算框架，可用于构建大型的、低延迟的数据分析应用程序
•
2013年Spark加入Apache孵化器项目后发展迅猛，如今已成为Apache软件基金会最重要的分布式计算系统开源项目之一
•
Spark在2014年打破了Hadoop保持的基准排序纪录
•
Spark用十分之一的计算资源，获得了比Hadoop快3倍的速度
Spark具有如下几个主要特点：
•运行速度快：使用DAG执行引擎以支持循环数 据流与内存计算
•容易使用：支持使用Scala、Java、Python和 R语言进行编程，可以通过Spark Shell进行交互式编程
•通用性：Spark提供了完整而强大的技术栈，包括SQL查询、流式计算、机器学习和图算法组件
•运行模式多样：可运行于独立的集群模式中可运行于Hadoop中（YARN），也可运行于Amazon EC2等云环境中，并且可以访问HDFS、Cassandra、HBase、Hive等多种数据源
2、Scala简介
Scala是一门现代的多范式编程语言，同时融合了函数式编程风格和面向对象的编程风格，运行于Java平台（JVM，Java 虚拟机），并兼容现有的Java程序。
Scala的特性：
•Scala具备强大的并发性，支持函数式编程，集成了面向对象和函数式编程两种风格，可以更好地支持分布式系统
•Scala语法简洁，能提供很好的API
•Scala兼容Java，运行速度快，且能融合到Hadoop生态圈中
➢ Scala是Spark的主要编程语言，但Spark还支持Java、Python、R作为编程语言
➢ Scala的优势是提供了REPL（Read-Eval-Print Loop，交互式解释器），提高程
