wwe2014年6月24日,计重收费,妻子的鬼魂
今天早上六点半左右微信群里就看到张队发的关于.net spark大数据的链接https://devblogs.microsoft.com/dotnet/introducing-net-for-apache-spark/ ，正印证了“微软在不断通过.net core补齐各领域开发，真正实现一种语言的跨平台”这句话。那么我们今天就来看看这个 .net for apache spark到底是个什么鬼？
作者：依乐祝
原文链接：
我们都知道spark是一种流行的开源分布式处理引擎，适用于大型数据集(通常是tb级别)的分析。spark可用于处理批量数据，实时流，机器学习和即时查询。处理任务分布在一个节点集群上，数据被缓存在内存中，以减少计算时间。到目前为止，spark已经可以通过scala，java，python和r访问，却不能通过.net进行访问。
而.net for apache spark就是旨在使.net开发人员可以跨所有spark api访问apache®spark™。
.net for apache spark为c#和f#提供了高性能的api来操作spark。使用这个.net api，您可以访问apache spark的所有功能，包括sparksql、dataframes、流、mllib等等。.net for apache spark允许您重用作为.net开发人员已经拥有的所有知识、技能、代码和库。
c#/f#语言绑定到spark将被写入一个新的spark交互层，这提供了更容易的扩展性。这一新的spark交互层的编写考虑了语言扩展的最佳实践，并针对交互和性能进行了优化。长期来看，这种扩展性可以用于在spark中添加对其他语言的支持。
.net for apache spark符合.net standard 2.0标准，可以在linux、macos和windows上使用。
官网地址:
在本节中，我们将展示如何在windows上使用.net core运行.net for apache spark应用程序。
在开始使用.net for apache spark之前，确实需要安装一些东西,如： .net core 2.1 sdk | visual studio 2019 | java 1.8 | apache spark 2.4.x。具体步骤可以参考开始.net for apache spark。
一旦安装完毕，您就可以用三个简单的步骤开始在.net中编写spark应用程序。
在我们的第一个.net spark应用程序中，我们将编写一个基本的spark pipeline，它将统计文本段中每个单词的出现次数。
我要评论// 1. create a spark session
var spark = sparksession
.builder()
.appname("word_count_sample")
.getorcreate();
// 2. create a dataframe
dataframe dataframe = spark.read().text("input.txt");
// 3. manipulate and view data
var words = dataframe.select(split(dataframe["value"], " ").alias("words"));
words.select(explode(words["words"])
.alias("word"))
.groupby("word")
.count()
.show();
.net for apache spark 为您提供了使用 c# 和f# 来操作apache spark的apis。使用这些.net api，您可以访问apache spark的所有功能，包括spark sql，用于处理结构化数据和spark流。
第一版的.net for apache spark在流行的tpc-h基准性能测试中的表现就很优异。tpc-h基准性能测试由一组面向业务的查询组成。下图展示了.net core与python和scala在tpc-h查询集上的性能比较。
上面的图表显示了相对于python和scala，.net对于apache spark的每个查询性能对比。net for apache spark在python和scala上表现良好。此外，在udf性能至关重要的情况下，比如查询1，jvm和clr.net之间传递3b行非字符串数据的速度比python快2倍。
同样重要的是，这是.net for apache spark的第一个预览版，我们的目标是进一步投资于改进和基准测试性能(例如，arrow优化)。您可以按照我们的指示在我们的github仓储上对此进行基准测试。
.net for apache spark允许您重用作为.net开发人员已经拥有的所有知识、技能、代码和库。
您的数据处理代码还可以利用.net开发人员可以使用的大型库生态系统，如newtonsoft.json，ml.net、mathnet.ndigics、nodatime等。
.net for apache spark可以在linux、macos和windows上使用，就像.net的其他部分一样。
.net for apache spark在azure hdinsight中默认可用，可以安装在azure databricks、azure kubernetes服务、aws数据库、aws emr等中。
.net for apache spark是一个拥有来自3,700多家企业的60，000多名代码贡献者的强大开源社区的一部分。
.net是免费的，其中包括用于 .net for apache spark。没有任何费用或许可证费用，包括用于商业用途的费用。
今天是我们旅程的第一步。以下是我们近期路线图的一些特点。
.net for apache spark是微软使.net成为构建大数据应用程序的伟大技术栈的第一步。
想了解更多信息的可以访问.net for apache spark的github仓储： 。
最后，感谢您的阅读。
本文内容，部分参考自：
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
asp.net搭建博客，使用BlogEngine.NET+MySql搭建博客
网友评论