apache-spark - 结构化和非结构化数据与大规模数据处理引擎的集成

Question

Spark、apache flink等数据处理引擎如何将结构化、半结构化和非结构化数据整合在一起并影响计算？

Answer 1

Flink 或 Spark 等通用数据处理引擎允许您定义自己的数据类型和函数。

如果您有非结构化或半结构化数据，您的数据类型可以反映这些属性，例如，通过使某些信息可选或使用灵活的数据结构（嵌套类型、列表、映射等）对其进行建模。您的用户定义函数应该知道某些信息可能并不总是存在并且知道如何处理这种情况。

因此，处理半结构化或非结构化数据并不是免费的。必须明确指定。事实上，这两个系统都将重点放在用户定义的数据和函数上，但最近都添加了 API 来简化结构化数据的处理（Flink：Table API，Spark：DataFrames）。