V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
leiuu
V2EX  ›  程序员

大家开发 ETL 时哪个用的多, Spark RDD vs DataFrame vs DataSet vs Spark SQL?

  •  
  •   leiuu · 2020-07-14 11:10:54 +08:00 · 2446 次点击
    这是一个创建于 1578 天前的主题,其中的信息可能已经有所发展或是发生改变。

    RT 。 后续可能想要做 hive 任务到 Spark 的迁移。 目前在这几个 API 中比较纠结。 想了解,一版生产这几个哪个用的多(在 etl 任务中),如果有好的生产模板推荐,那就更好的了。 🙏🙏

    11 条回复    2020-07-14 13:16:06 +08:00
    shuianfendi6
        1
    shuianfendi6  
       2020-07-14 11:17:27 +08:00
    DataFrame 吧,rdd 已经被取代了
    spark sql 写起来很爽,但是类型检查啥的都没,容易出错
    liprais
        2
    liprais  
       2020-07-14 11:19:34 +08:00
    DataFrame vs DataSet vs Spark SQL
    这三个现在是一个东西
    没事别用 rdd
    leiuu
        3
    leiuu  
    OP
       2020-07-14 11:22:50 +08:00
    @shuianfendi6 rdd 可能一些较复杂的操作 还有一点用处

    @liprais 可否展开说说。具体语法上呢,倾向于直接写 sql 还是用 spark 的语法如 where 、groupBy 、join 等。
    liprais
        4
    liprais  
       2020-07-14 11:24:32 +08:00
    @leiuu 你会哪个就用哪个呗
    这三个东西现在没有任何区别
    hantsy
        5
    hantsy  
       2020-07-14 11:25:33 +08:00
    ETL 只用过 Spring Batch
    leiuu
        6
    leiuu  
    OP
       2020-07-14 11:29:02 +08:00
    @liprais 明白。这个三种倒是上手都比较快。spark sql 因为和标准 sql 类似可能会简单些。其实是想了解这几种用法实际生产过程有没有一些问题。哪种更适合代替 hive 生产数据。当然原理上应该都是基于 rdd 实现。
    leiuu
        7
    leiuu  
    OP
       2020-07-14 11:52:06 +08:00
    @hantsy spring 竟然还有这 真全家桶
    RudyGuo
        8
    RudyGuo  
       2020-07-14 11:53:29 +08:00
    hive sql 和 Spark sql 语法基本一样
    hantsy
        9
    hantsy  
       2020-07-14 12:04:35 +08:00
    @leiuu Spring Batch 只作处理 ETL,不管数据的 Source,Sink 。

    现在的话,大数据服务应该考虑 Spring Cloud Data Flow,复杂处理流程有可视化 Web UI 支持,管理不同的数据来源,处理过程可以开发成 Severless 程序,动态安装和组装成流程。
    hantsy
        10
    hantsy  
       2020-07-14 12:08:01 +08:00
    Apache 上大数据方面比 Flink,Beam 没有用过,不过我一些经历,老外更喜欢是买背后商业公司的服务,开源项目支持力度实在不够。
    Comdex
        11
    Comdex  
       2020-07-14 13:16:06 +08:00   ❤️ 1
    一般写 SparkSQL, 业务逻辑复杂就上 DataFrame 加点 java 代码
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   970 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 19:58 · PVG 03:58 · LAX 11:58 · JFK 14:58
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.