：ApacheHadoop是目前分析分布式数据的首选工具，和大多数Java?2.0技术一样，是可扩展的。从Hadoop的MapReduce编程建模开始，学习如何用它来分析数据，满足大大小小的商业信息需求。Google在2001年发布图像搜索功能时，只有2.5亿索引图像，不到10年，这个巨大的搜索功能已经可以检索超过100亿个图像了，每分钟有35小时的内容上传到YouTube。据称，Twitter每天平均处理5500万tweet。今年早些时候，搜索功能每天记录6亿条查询记录。这就是我们讨论大数据的

ApacheSpark是一个围绕速度、易用性和复杂分析构建的大数据处理框架，最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一，与Hadoop和Storm等其他大数据和MapReduce技术相比，Spark有如下优势：1.运行速度快,Spark拥有DAG执行引擎，支持在内存中对数据进行迭代计算。官方提供的数据表明，如果数据由磁盘读取，速度是HadoopMapReduce的10倍以上，如果数据从内存中读取，速度可以高达100多倍。2.适用场景广泛,

：ApacheHadoop是目前分析分布式数据的首选工具，和大多数Java?2.0技术一样，是可扩展的。从Hadoop的MapReduce编程建模开始，学习如何用它来分析数据，满足大大小小的商业信息需求。Google在2001年发布图像搜索功能时，只有2.5亿索引图像，不到10年，这个巨大的搜索功能已经可以检索超过100亿个图像了，每分钟有35小时的内容上传到YouTube。据称，Twitter每天平均处理5500万tweet。今年早些时候，搜索功能每天记录6亿条查询记录。这就是我们讨论大数据的