V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member Sign In
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 2117 days ago, the information mentioned may be changed or developed.
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。 🙏🙏
 |
1
shuianfendi6 Jul 14, 2020
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 |
 |
2
F281M6Dh8DXpD1g2 Jul 14, 2020
DataFrame vs DataSet vs Spark SQL
这三个现在是一个东西 没事别用 rdd |
 |
3
leiuu OP @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。 |
|
4
F281M6Dh8DXpD1g2 Jul 14, 2020
@leiuu 你会哪个就用哪个呗
这三个东西现在没有任何区别 |
 |
5
hantsy Jul 14, 2020
ETL 只用过 Spring Batch
|
|
6
leiuu OP @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。
|
 |
8
RudyGuo Jul 14, 2020
hive sql 和 Spark sql 语法基本一样
|
|
9
hantsy Jul 14, 2020
@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。 |
|
10
hantsy Jul 14, 2020
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。
|
 |
11
Comdex Jul 14, 2020  1
一般写 SparkSQL， 业务逻辑复杂就上 DataFrame 加点 java 代码
|
Select Language