Spark 1.2.2/1.3.1 发布,开源集群计算系统

oschina
 oschina
发布于 2015年04月20日
收藏 28

Spark 1.2.2 和 Spark 1.3.1 发布啦!这两个版本是维护版本,超过 90 位开发者在维护 Spark。

Spark 1.2.2 包括稳定性方面的 bug 修复:

Spark Core

  • Thread safety problem in Netty shuffle (SPARK-6578)

  • Memory leak in JobProgressListener (SPARK-5967)

  • Unable to launch on YARN 2.5.0 and later (SPARK-4267)

  • YARN auxiliary shuffle issue in secure mode (SPARK-5655)

PySpark

  • Jobs hang during collect operation (SPARK-6667)

  • Zip fails with serializer error (SPARK-5973)

  • Memory leak using Spark SQL with PySpark (SPARK-6055)

  • Hanging when using large broadcast variables (SPARK-5363)

详细改进请看发行说明

Spark 1.3.1 主要改进如下:

Spark SQL

  • Unable to use reserved words in DDL (SPARK-6250)

  • Parquet no longer caches metadata (SPARK-6575)

  • Bug when joining two Parquet tables (SPARK-6851)

  • Unable to read parquet data generated by Spark 1.1.1 (SPARK-6315)

  • Parquet data source may use wrong Hadoop FileSystem (SPARK-6330)

Spark Streaming

  • Potential for data loss during WAL recovery (SPARK-6222)

PySpark

  • Potential program hang when calling collect (SPARK-6667)

Spark Core

  • Thread safety issue in Netty shuffle (SPARK-6578)

  • Memory leak in output committer map (SPARK-6737)

  • Unable to perform fetch file when local directories run NFS (SPARK-6313)

  • NPE when cancelling and using mix of job groups (SPARK-6414)

更多内容请看发行说明

这两个版本都已提供在下载页面

Spark 是一种与 Hadoop 相似的开源集群计算环境,但是两者之间还存在一些不同之处,这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越,换句话说,Spark 启用了内存分布数据集,除了能够提供交互式查询外,它还可以优化迭代工作负载。

Spark 是在 Scala 语言中实现的,它将 Scala 用作其应用程序框架。与 Hadoop 不同,Spark 和 Scala 能够紧密集成,其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。

尽管创建 Spark 是为了支持分布式数据集上的迭代作业,但是实际上它是对 Hadoop 的补充,可以在 Hadoo 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。Spark 由加州大学伯克利分校 AMP 实验室 (Algorithms, Machines, and People Lab) 开发,可用来构建大型的、低延迟的数据分析应用程序。

本站文章除注明转载外,均为本站原创或编译。欢迎任何形式的转载,但请务必注明出处,尊重他人劳动共创开源社区。
转载请注明:文章转载自 OSCHINA 社区 [http://www.oschina.net]
本文标题:Spark 1.2.2/1.3.1 发布,开源集群计算系统
加载中

最新评论(2

Jekey
Jekey
so火
Jordan
Jordan
18号的旧闻。。。。
返回顶部
顶部