Spark项目为何会在云环境中大放光芒？

最近几个月以来，业界对于Apache Spark项目的兴趣与投入迎来了显著提升，而这皆要归功于云客户规模的不断拓展。

就在上个月，多家在云及商业计算领域声名显赫的巨头公开表达（并决定投资）了对Apache Spark数据分析项目的兴趣。是什么让这些老牌劲旅对这款年轻的技术方案青眼有加？

这种兴奋当然不会毫无来由，事实上这项极具发展前景的技术已经得到了广泛应用。不过要想让该项目真正在云环境下变成吸金利器，我们还面临着两个重大课题——一是便捷性，二是规模化。

Spark的吸引力

最近几个月来，对Spark项目表现出深厚兴趣的厂商包括：

•IBM。除了将Spark支持能力加入自家Bluemix PaaS之外，IBM方面还将SystemML机器学习算法构建技术贡献给Spark。

•微软。将Spark支持能力纳入自家Azure HDInsight（微软的云托管Hadoop版本）。

•Amazon。其Elastic MapReduce服务将能够运行以Scala、Python以及Java语言开发的Spark应用程序。

•华为。这家中国网络巨头最近公布了一个名为Astro的项目，其将Spark、Spark SQL以及HBase打包于一款产品当中。Spark目前也被华为公司用于其基于Hadoop的FusionInsight产品，并作为服务由华为开发的新兴云平台交付。

Spark之所以拥有出众的吸引力，是因为它能够在Hadoop当中提供强大的内存内数据处理组件，专门应对实时及批量事件。在雅虎公司，也就是Hadoop项目的发源地，Spark已经成为分析运营流程当中的核心与基石。

对于以上厂商而言，Spark项目能够为其云业务提供一流技术支持——无论是否配合Hadoop（虽然一般情况下会配合Hadoop）。随着市场价 格竞争趋于白热化甚至开始探底，云供应商之间的竞争目前仍然主要受限于原本的内部数据中心层面，而往往无法真正发挥云体系的规模化等独特优势。（事实上， 在我们目前所处的阶段中，越来越多的业务数据开始在云中生成，而不再像过去那样单纯将数据迁移至云端。）

点燃下一场燎原烈火

Spark在这一过程中的作用同样非常关键，因为未来的主要发展方向以及项目的潜在影响都取决于Spark将如何以云资源的方式实现部署。

IBM公司正默默为Spark项目作出贡献。而Spark开发厂商Databricks则有着自己的计划，希望能够起到更为彻底的效果。其 Tungsten项目为Spark的内存利用及分配方式作出了重大改造，旨在借此提高性能水平。这不仅有利于吸引更多开发商的加入，同时也有助于 Spark以“即服务”的方式实现交付。

颇具讽刺意味的是，Spark在云环境下的人气明显更高，其甚至直接威胁到了Databricks公司自身的商业模式。Andy Oliver曾对Daatabricks公司的Spark产品进行过一番审查，并发现该公司“绝不成为数据科学领域的Tableau”的口号完全没能成为 现实。另外，以上列出的各大竞争参与者虽然不一定会与自家Spark产品产生这种交集关系，但此类产品的出现实际上更为直接地对Spark工作负载作出了 补充。

Spark在其它多个方面还有待完善及成熟——包括说明文档、商业支持、中间件集成以及为用户提供更多预置Spark应用程序等等。除了最后一项， 其它任务非常适合由Spark项目的企业贡献者及赞助商们来完成——当然，除非这帮家伙提供贡献的目的完全是为了确保Spark能够在其云平台上运作良 好，并为其客户提供服务。