https://databricks.com/blog/2015/03/24/spark-sql-graduates-from-alpha-in-spark-1-3.html?utm_source=tuicool

近日，Databricks正式發布Spark?1.3版本。在此版本中，除下之前我們報道過的DataFrame?API，此次升級還覆蓋Streaming、ML、SQL等多個組件。當下，1.3版本已在?Apache?Spark頁面提供下載，下面一起瀏覽?Patrick Wendell在Databricks Blog上對Spark?1.3版本的概括（PS：DataFrame請訪問“?Spark新年福音：一個用于大規模數據科學的API——DataFrame??”一文）。

http://www.csdn.net/article/2015-02-17/2823997

以下為譯文

Spark?SQL脫離Alpha版本

在1.3版本中，Spark?SQL正式脫離Alpha版本，提供了更好的SQL標準兼容。同時，Spark?SQL數據源API亦實現了與新組件DataFrame的交互，允許用戶直接通過Hive表格、Parquet文件以及一些其他數據源生成DataFrame。用戶可以在同一個數據集上混合使用SQL和data?frame操作符。新版本提供了從JDBC讀寫表格的能力，可以更原生地支持Postgres、MySQL及其他RDBMS系統。同時，該API還為JDBC（或者其他方式）連接的數據源生成輸出表格提供寫入支持。

> CREATE TEMPORARY TABLE impressions USING org.apache.spark.sql.jdbc OPTIONS ( url "jdbc:postgresql:dbserver", dbtable "impressions" )> SELECT COUNT(*) FROM impressions

內置支持Spark?Packages

在2014年底，我們著手為Spark建立一個新的社區項目目錄站點——Spark?Packages。當下，Spark?Packages已經包含了開發者可以使用的45個社區項目，包括數據源集成、測試工具以及教程。為了更方便Spark用戶使用，在Spark?1.3中，用戶可以直接將已發布包導入Spark?shell（或者擁有獨立flag的程序中）。

# Launching Spark shell with a package ./bin/spark-shell --packages databricks/spark-avro:0.2

Spark?Packages?還為開發者建立了一個SBT插件來簡化包的發布，并為發布包提供了自動地兼容性檢查。

在Spark?Streaming中提供了更低等級的Kafka支持

從過去發布的幾個版本來看，Kafka已經成為Spark?Streaming一個非常人氣的輸入源。Spark?1.3引入了一個新的Kakfa?streaming?source，它利用了Kafka的回放能力，在非預寫日志配置下提供了一個更可靠的交付語義。同時，針對那些需求強一致性的應用程序，它還提供了實現了Exactly-Once?Guarantees的原語。在Kafka的支持上，1.3版本還添加了一個Python?API以及支持這個API的原語。

MLlib中的新算法

Spark?1.3還提供了大量的新算法。其中，Latent?Dirichlet?Allocation（LDA）成為了第一個出現在MLlib中的主題建模算法。在這之前，Spark的邏輯回歸已經通過多元邏輯回歸（multinomial?logistic?regression?）支持多類分類（multiclass?classification）。而在這個版本中，聚類再次被提升，Gaussian?Mixture?Models和?Power?Iteration?Clustering被引入。并通過FP-growth擴展了頻繁項集挖掘（FIM，Frequent?Itemsets?Mining）。最后，MLlib還為Distributed?Linear?Algebra引入了有效的塊矩陣抽象。（編譯/仲浩 審校/錢曙光）

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的Spark 1.3 新特性 ：176个贡献者，1000+ patches的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。