在数据处理中哪些场景可以使用Spark？

在数据科学应用中，数据工程师可以利用Spark进行数据分析与建模，由于Spark具有良好的易用性，数据工程师只需要具备一定的SQL语言基础、统计学、机器学习等方面的经验，以及使用Python、Matlab或者R语言的基础编程能力，就可以使用Spark进行上述工作。

在数据处理应用中，大数据工程师将Spark技术应用于广告、报表、推荐系统等业务中，在广告业务中，利用Spark系统进行应用分析、效果分析、定向优化等业务，在推荐系统业务中，利用Spark内置机器学习算法训练模型数据，进行个性化推荐及热点点击分析等业务。

Spark拥有完整而强大的技术栈，如今已吸引了国内外各大公司的研发与使用，淘宝技术团队使用Spark来解决多次迭代的机器学习算法、高计算复杂度的算法等，应用于商品推荐、社区发现等功能。腾讯大数据精准推荐借助Spark快速迭代的优势，实现了在“数据实时采集、算法实时训练、系统实时预测”的全流程实时并行高维算法，最终成功应用于广点通投放系统上。优酷土豆则将Spark应用于视频推荐（图计算）、广告等业务的研发与拓展，相信在将来，Spark会在更多的应用场景中发挥重要作用。



猜你喜欢：    
实时计算Spark Streaming工作原理是什么？

Spark有哪些特点，Spark的生态系统包含哪些组件？

Spark Mllib分层抽样操作步骤

黑马程序员大数据开发培训