我已经看到使用火花与卡桑德拉的组合相对流行。
我知道Cassandra是一个BigData解决方案，可提供对一致性的可靠性，因此适合实时系统。它还为查询提供了类似SQL的语法，但在引擎盖下，其数据与普通dB的管理非常不同。
另一方面，Hadoop提供了对可靠性的一致性，因此适合分析系统。它的界面是MapReduce，如今非常缓慢且过低。因此，这就是Sparks进入的地方。Sparks使用Hadoop的HDF，并用更好的架构代替了旧的MapReduce，它可以更优势，而不是硬盘而不是硬盘，并揭示了更好的接口，例如RDD和DataFrames。
。 。所以我的问题是：我为什么要使用与卡桑德拉（Cassandra）结合使用的火花？这有什么优点？为什么不只使用其中之一？
据我了解，Cassandra只会替换HDF，因此我对一致性具有可靠性，而且我还必须使用RDD/DataFrames而不是CQL，而Spark在引擎盖下会产生CQL，这将在引擎盖下生成CQL，给我更少的控制。
Spark是一个数据处理框架。您将使用Spark Process 使用Spark。
Cassandra是DBM。您将转到商店您的数据在Cassandra中。
的确，您可以使用CQL在Cassandra中处理数据，如果您可以摆脱CQL，则可能不需要火花。但是，通常，Spark是一种更强大的工具。实际上
HDFS是"文件系统"，hadoop坐在它的顶部。
也有许多数据库引擎在Hadoop和HDF之上运行，例如HBase，Hive等，并利用其分布式体系结构。
您不必在Hadoop上运行Spark，您可以独立运行它。
Cassandra的CQL非常非常基础。您在最新版本中添加了基本的聚合功能，但是Cassandra并不是为分析工作负载而设计的，并且您可能都很难运行分析查询，并将"杀死"您的群集性能。
您无法比较HDFS和Cassandra，就像您无法比较NTFS和MySQL一样。卡桑德拉（Cassandra）专为基于发电机（AWS）和Bigtable（Google）概念的繁重工作量而设计，并且可以每秒处理大量的请求。还有其他选择，在Hadoop上奔跑，Cassandra在我看到的每个基准中获胜（但不相信基准测试，请始终使用您的数据和用例对其进行测试）。
因此，Spark试图解决的问题是在卡桑德拉（Cassandra）的数据之上执行分析查询。使用Spark，您可以从许多源（RDBMS，Files，Hadoop等）中获取数据，并执行分析查询与数据。
另外，这个
一致性的可靠性，因此适合实时系统
是如此错误。卡桑德拉无法提供的许多实时系统需要一致性（最终），序列化，交易等。
cassandra是NOSQL数据库，并且在分析的功能方面非常有限。
例如，CQL支持单分区内的聚合，并且没有表连接。
Spark是流媒体处理引擎，它可以使用HDFS或数据库中的数据。因此，如果您想对整个数据集中的数据进行深入分析，则必须为其使用Spark。您可以在此处阅读有关Cassandra和大数据的更多信息