标签：rdd

2026-08-06andy阅读(55)

引言：Spark 三大数据抽象的前世今生 Apache Spark 自诞生以来，其核心数据抽象经历了从 RDD 到 DataFrame 再到 Dataset 的演进。每次演进都不是简单的 API 更新，而是编程模型、执行引擎和优化体系的根本...

2026-07-31阅读(65)评论(0)

引言：为什么 Scala 仍是 Spark 生态的第一语言 Apache Spark 自诞生之初就以 Scala 作为原生语言，其核心运行时、调度器和绝大部分高性能算子均用 Scala 实现。尽管 PySpark 在数据科学社区中广受欢迎，...

2026-07-31andy阅读(72)

引言：为什么 Scala 仍是 Spark 生态的第一语言 Apache Spark 自诞生之初就以 Scala 作为原生语言，其核心运行时、调度器和绝大部分高性能算子均用 Scala 实现。尽管 PySpark 在数据科学社区中广受欢迎，...