转载

Spark 1.2.2/1.3.1 发布，开源集群计算系统

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。

Spark 1.2.2/1.3.1 发布，开源集群计算系统