概述

Apache Spark提供了高级的Java、Scala和Python APIs，同时还拥有优化的引擎来支持常用的执行图。Spark还支持多样化的高级工具，其中包括了处理结构化数据和SQL的SparkSQL，处理机器学习的MLlib，图形处理的 GraphX，还有SparkStreaming。

• 每一个应用有其独立的Executor进程，这些进程将会在应用整个生命周期内为应用服务，并且会在多个线程中执行任务tasks。这种做法能有效的隔离不同的应用，在调度和执行端都能很好的隔离（每个驱动调度自己的任务，不同的任务在不同的JVM中执行）。但是，这也意味着，如果不写入外部的存储设备，那数据就不能在不同的Spark 应用（SparkContext 实例）之中共享。
• 因为驱动在集群中调度任务，它将在worker nodes（工作节点）附近运行，最好是在相同的局域网当中。如果你不喜欢远程向集群发送请求，那么最好为驱动打开一个RPC然后让其在附近提交操作而不是在远离worker nodes 处运行驱动。

Spark-SequoiaDB 连接组件

通过使用Spark-SequoiaDB连接组件，SequoiaDB可以作为Spark的数据源，从而可以通过SparkSQL实例对SequoiaDB数据存储引擎的数据进行查询、统计操作。