提起大数据技术，我们常常会想到大数据技术所需要的生态平台hadoop和spark，其中的spark的概念及学习路线是如何的呢？一起来跟小编看看吧~

一、spark概念

1、spark描述

apache spark是专为大规模数据处理而设计的快速通用的计算引擎。

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，因为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。

spark和scala能够紧密集成，其中的scalable可以像操作本地集合对象一样轻松地操作分布式数据集。

2、spark特点

①　高级api将焦点从集群本身剥离出来，spark应用程序开发人员可以将焦点放在应用程序需要执行的计算本身。

②　spark速度快，支持交互式计算和复杂算法。

③　spark是一个通用的引擎，它可以用来完成各种操作，包括sql查询、文本处理、机器学习等，在spark出现之前，我们一般需要学习各种引擎来处理这些需求。

二、spark学习路线

spark的学习路线可以分成编程语言、linux、spark三个阶段来学习。

1、编程语言

学习spark主要学习java和scala这两种编程语言。

①　java学习：javase基础语法、java面向对象、javase api、线程、网络编程、反射基本原理。

②　scala学习：scala基础语言、scala类、scala对象、scala特征、scala模式匹配，其中需要重点掌握scala的trait、apply、函数式编程、泛型、逆变与协变等。

2、linux

spark是基于linux系统开发并运行的，因此需要学习linux系统。

linux：linux基础知识、centos、maven。

3、spark

在spark阶段中主要学习spark编程模型、spark内核、sparksql、sparkstreaming。

①　spark编程模型：spark模型组成、spark弹性分布式数据集rdd、spark转换transformation、spark操作actions。

②　spark内核：spark专业术语定义、spark运行原理、spark运行基本流程、spark运行架构特点、spark核心原理透视、spark运行模式、standalone运行模式、yarn-client运行模式、yarn-cluster运行模式。

③　sparksql：sparksql概念、overview、sparksql程序开发数据源、sparksql程序开发dataframe、sparksql程序开发dataset、sparksql程序开发数据类型。

④　sparkstreaming：spark streming概念、spark streaming执行步骤、sparkstreaming程序开发dstream的输入源、sparkstreaming程序开发dstream的操作、sparkstreaming程序开发程序开发–性能优化、sparkstreaming程序开发容错容灾。

spark作为大数据技术的重要内容之一，是每一个学习大数据的同学所要必学的生态框架，通过这篇文章大家掌握到spark的概念及学习路线了吗？