Почему Spark подчеркивает развязку схемы, памяти, хранилища?
Это может быть то, что вы ищете. Если это не имеет никакого отношения к вашему вопросу, возможно, это станет более понятным.
dconf read /org/cinnamon/desktop/screensaver/xscreensaver-hack
Это также может помочь:
dconf list /org/cinnamon/desktop/screensaver/
1 ответ
Вот пример после этой цитаты в книге ... Но в любом случае, Spark имеет мало общего с микросервисами.
В книге говорится, что память, которую Spark читает, может быть разделена на многих аппаратных машинах. Это разрешено через файловые системы Hadoop Compatible, будь то HDFS, S3 или другие. По сравнению с другими системами HPC, которые понимают только уровень файловой системы UNIX, Hadoop предоставляет более согласованный API для разных типов хранилищ.
Для хранения в памяти у Spark есть подключаемые сериализаторы.
. Для хранения на диске Spark (через Hadoop) может хранить данные в форматах, содержащих самоописанные схемы, которые читаются на -request, а не предопределено и хранится извне, например, в базе данных.
По сравнению с системами HPC, о которых говорит книга, другие инструменты, связанные с Hadoop, могут читать те же файлы, что и Spark, поэтому вы не привязаны к одному проприетарному формату, который будет работать только с этой средой HPC , поэтому он развязан