限时领|《AI 百问百答》专栏课+实体书(包邮)! 了解详情
写点什么

微软发布 .Net for Apache Spark :用什么语言开发大数据都可以

  • 2019-04-29
  • 本文字数:2100 字

    阅读完需:约 7 分钟

微软发布 .Net for Apache Spark :用什么语言开发大数据都可以

导读: Apache Spark 是当今最流行的开源大数据处理框架。Spark 用于进行分布式、大规模的数据处理,提供了更高级的编程接口、更高的性能。除此之外,Spark 不仅能进行常规的批处理计算,还提供了流式计算支持。而 .NET 是由 Microsoft 开发的一种致力于敏捷开发、快速应用开发、平台无关性和网络透明化的开发平台。长久以来,.NET 开发人员无法用他们已有的知识来使用 Apache Spark,但这样尴尬的局面就要终结了。Microsoft 4 月 29 日发布了 .NET for Apache Spark 预览版。从此以后,无论你用什么语言,都可以进行数据分析了!



4 月 24 日,在 Spark+AI 峰会 上,我们很高兴地宣布推出 .NET for Apache Spark。Spark 是一种流行的开源分布式处理引擎,用于分析大型数据集。Spark 可用于处理批量数据、实时流、机器学习和即席查询(ad-hoc query)。


.NET for Apache Spark 旨在使 .NET 开发人员可以跨所有 Spark API 来访问 Apache® Spark™。到目前为止,Spark 已经可以通过 Scala、Java、Python 和 R 来访问,但尚不能通过 .NET 来访问。


我们计划在 open(作为 .NET Foundation 成员项目)中为 Apache Spark 开发 .NET,同时与 Spark 和 .NET 社区一起开发,以确保开发人员能够在这两方面都做得很好。


本文将阐述关于以下主题的更多细节:


什么是 .NET for Apache Spark?

.NET for Apache Spark 提供了高性能 API,用于使用 C# 和 F# 中的 Spark。通过这个 .NET API,开放人员可以访问 Apache Spark 的所有方面,包括 Spark SQL、DataFrame、Streaming、MLLib 等。.NET for Apache Spark 允许 .NET 开发人员重用已有的所有知识、技能、代码和库。


绑定到 Spark 的 C#/F# 语言将被编写到一个新的 Spark 互操作层上,该层提供了更容易的可扩展性。这一新的 Spark 互操作层的编写,考虑到了语言扩展的最佳实践,并针对互操作性和性能进行了优化。从长期来看,这种可扩展性可用于在 Spark 中增加对其他语言的支持。


你可以通过访问这个 提案 来了解更多关于这项工作的细节。



.NET for Apache Spark 与 .NET Standard 2.0 兼容,可以在 Linux、macOS 和 Windows 系统上使用,就像 .NET 的其余部分一样。.NET for Apache Spark 在 Azure HDInsight 中默认可用,并且可以安装在 Azure Databricks 等软件中。

.NET for Apache Spark 入门

在开始使用。NET for Apache Spark 之前,需要安装一些东西。按照 以下步骤 开始使用 .NET for Apache Spark


设置完成之后,我们可以通过三个简单的步骤在 .NET 中开始编写 Spark 应用。


在我们的第一个 .NET Spark 应用中,我们将编写一个基本的 Spark 管道,用于计算文本段中每个单词的出现次数。


// 1. Create a Spark sessionvar spark = SparkSession    .Builder()    .AppName("word_count_sample")    .GetOrCreate(); // 2. Create a DataFrameDataFrame dataFrame = spark.Read().Text("input.txt"); // 3. Manipulate and view datavar words = dataFrame.Select(Split(dataFrame["value"], " ").Alias("words")); words.Select(Explode(words["words"])    .Alias("word"))    .GroupBy("word")    .Count()    .Show();
复制代码

.NET for Apache Spark 性能

我们很高兴地宣布,.NET fro Apache Spark 的第一个预览版本在流行的 TPC-H 基准 测试中表现良好。TPC-H 基准由一组面向业务的查询组成。下图展示了 .NET Core 与 Python、Scale 在 TPC-H 查询集上的性能对比。



上图显示了 .NET for Apache Spark 与 Python 和 Scala 的每个查询性能对比。.NET for Apache Spark 对阵 Python 和 Scale 时表现出色。此外,在 UDF 性能至关重要的情况下,例如查询 1,其中在用于 Apache Spark 的 JVM 和 CLR 之间传递 3B 行的非字符串数据,就其传递速度而言,.NET 要比 Python 快上 2 倍。


同样重要的是,这是我们为 Apache Spark 开发的第一个 .NET 预览版,我们的目标是进一步致力于改进和基准测试性能(如 Arrow 优化)。你可以按照我们的说明在 Github repo 上对其进行基准测试。

.NET For Apache Spark 的下一步

今天 .NET for Apache Spark 的发布,是我们征途的第一步。以下是我们近期路线图的一些功能,请关注我们的 GitHub repo完整路线图


  • 简化入门体验、文档与示例。

  • 与 Visual Studio、Visual Studio Code、Jupyter notebooks 等开发工具进行原生整合。

  • .NET 支持用户定义的聚合函数。

  • 用于 C# 和 F# 的 .NET 惯用 API(如,使用 LINQ 编写查询)。

  • 对 Azure Databricks、Kubernetes 等开箱即用的支持。

  • 将 .NET for Apache Spark 作为 Spark Core 的部分。你可以访问此 网址 跟踪进程。

结语

.NET for Apach Spark 是我们将 .NET 打造成构建大数据应用程序的重要技术堆栈的第一步。


我们需要你的帮助来为 .NET for Apache Spark 塑造未来。我们期待你使用 .NET for Apache Spark 进行构建。你可以通过我们的 GitHub repo,向我们伸出援助之手。


https://github.com/dotnet/spark




原文链接:


https://devblogs.microsoft.com/dotnet/introducing-net-for-apache-spark/


2019-04-29 15:586688
用户头像

发布了 376 篇内容, 共 201.5 次阅读, 收获喜欢 949 次。

关注

评论 1 条评论

发布
用户头像
Make Microsoft Great Again !
2019-04-30 09:41
回复
没有更多了
发现更多内容

抖音快手短视频SEO获客系统开发搭建

云原生,开发者的黄金时代

阿里巴巴云原生

云计算 阿里云 云原生 中间件

评DeepMind神经网络求解MIP论文:并非无所不能

杉数科技

神经网络 机器学习 算法 Deep learning 智能优化算法

Spring数据库事务典型错误用法剖析

博文视点Broadview

Windows Server 2019 安装提要 (及 VS 2019 Build Tool)

hedzr

DevOps windows server 2019 server core visual studio 2019 build tool

MySQL 系列教程之(七)DQL:从 select 开始

若尘

MySQL 数据库 8月日更

【Vue2.x 源码学习】第三十九篇 - 组件部分 - 创建组件虚拟节点

Brave

源码 vue2 8月日更

搜房记

escray

生活记录 8月日更

抖音快手短视频询盘获客系统开发搭建

阿里p9的Java面试心路历程笔记,轻松拿到了90w年薪的Offer

Java~~~

Java spring 架构 面试 JVM

波场链DAPP开发|波场链TRONCHAIN介绍

量化系统19942438797

波场DAPP

终于学完国内算法第一人10年经验总结的数据结构与算法详解文档

公众号_愿天堂没有BUG

Java 编程 程序员 架构 面试

抖音快手智能获客黑科技软件系统开发费用

抖音快手获客软件系统开发价格

全靠阿里内部(珠峰版)Java面试笔记,成功拿下12家大厂offer

Java~~~

Java MySQL 数据库 架构 面试

制造企业的数字化转型案例分享

一只数据鲸鱼

数据可视化 工业4.0 智慧工业

李克强签署国务院令 公布《关键信息基础设施安全保护条例》

郑州埃文科技

【我和达梦的故事】 有奖征文活动开始啦,万元奖品池+现金奖励等你拿!

墨天轮

数据库 征文大赛 国产数据库 达梦

Regan Yue带你一起学习微软AZ-900认证的有关知识「 第IV章」

Regan Yue

云计算 微软 8月日更 微软认证

MySQL 不完全入门指南

Java 编程 架构 面试 架构师

抖音快手搜客系统开发方案

MySQL优化-批量插入与1亿条数据效率COUNT

一个大红包

8月日更

1-5年Java面试者必备:一线名企各专题面试笔记+java核心宝典pdf

Java~~~

Java MySQL 架构 面试 架构师

抖音快手短视频获客系统软件开发

抖音快手询盘获客系统软件开发介绍

云原生,开发者的黄金时代

阿里巴巴中间件

云计算 阿里云 云原生 中间件

面试字节跳动java岗被算法吊打,60天苦修这些笔记,侥幸收获offer

Java~~~

Java 架构 面试 算法 红黑树

抖音快手短视频营销获客系统软件开发简介

全凭阿里大牛总结的Java面试笔记,大专学历成功拿到35koffer

Java~~~

Java 架构 面试 JVM io

LeetCode题解:219. 存在重复元素 II,哈希表,JavaScript,详细注释

Lee Chen

算法 大前端 LeetCode

抖音快手AI智能获客询盘软件系统开发内容

微软发布 .Net for Apache Spark :用什么语言开发大数据都可以_大数据_Ankit Asthana_InfoQ精选文章