In het jaar dat Apache Spark tien jaar als open source-project bestaat heeft de Apache community Spark 3.0.0 gelanceerd. Spark 3.0 bouwt voort op veel van de innovaties van Spark 2.x en brengt nieuwe ideeën met zich mee en doorlopende langetermijnprojecten in ontwikkeling. Meer dan 440 bijdragers uit de open source community hebben hun schouders eronder gezet.
Sinds de eerste release in 2010 is Spark uitgegroeid tot een van de meest actieve open source-projecten. Tegenwoordig is Spark de de facto uniforme engine voor big data-verwerking, data science, machine learning en data analytics workloads.
Spark SQL is het belangrijkste actieve onderdeel in deze release. Bijna de helft van de bijdragen betreft Spark SQL. Deze verbeteringen komen alle bibliotheken van hoger niveau ten goede, inclusief gestructureerde streaming, MLlib en API's waaronder voor SQL en DataFrames. In de TPC-DS 30TB-benchmark blijkt Spark 3.0 ongeveer twee keer sneller dan Spark 2.4. Python is nu de meest gebruikte taal op Spark. PySpark heeft meer dan 5 miljoen maandelijkse downloads op PyPI, de Python Package Index. Deze release verbetert functionaliteit en bruikbaarheid, inclusief het herontwerp van de Pandas UDF-API's met Python type hints, nieuwe Pandas UDF-typen en Python foutafhandeling.
De belangrijkste kenmerken van Spark 3.0 zijn het uitvoeren van adaptieve query's; dynamic partition pruning; ANSI SQL compliance; verbeteringen in panda's API's; nieuwe gebruikersinterface voor gestructureerde streaming; versnelling bij het aanroepen van in R gedefinieerde functies; en SQL-referentiedocumentatie.
Meer informatie: Apache Spark
30 november 2023 (online cursus van 1 ochtend) Workshop met BPM-specialist Christian Gijsels over business analyse, modelleren en simuleren met de nieuwste release van Sparx Systems' Enterprise Architect, versie 16.Intensieve cursus waarin de belangr...
28 maart 2024 (halve dag)Praktische workshop met Alec Sharp [Halve dag] Deze workshop door Alec Sharp introduceert conceptmodellering vanuit een non-technisch perspectief. Alec geeft tips en richtlijnen voor de analist, en verkent datamodellering op ...
28 maart 2023 Dit seminar met Mike Ferguson gaat dieper in op de ontwikkeling van dataproducten en ook hoe je een datamarktplaats kunt gebruiken om het delen van dataproducten in de hele organisatie te regelen en te delen om de time-to-value t...
16 april 2024 Praktisch en interactief seminar met Nigel Turner Data-gedreven worden lukt niet door alleen nieuwe technologie en tools aan te schaffen. Het vereist een transformatie van bestaande business modellen, met cultuurverandering, een herontw...
29 - 31 mei 2024Praktische driedaagse workshop met internationaal gerenommeerde spreker Alec Sharp over herkennen, beschrijven en ontwerpen van business processen. De workshop wordt ondersteund met praktijkvoorbeelden en duidelijke, herbruikbare rich...
10 t/m 12 juni 2024 Praktische workshop Data Management Fundamentals door Chris Bradley - CDMP-examinatie optioneel De DAMA DMBoK2 beschrijft 11 disciplines van Data Management, waarbij Data Governance centraal staat. De Certified Data Managem...
Deel dit bericht