http://study.163.com/course/courseMain.htm?courseId=1002887002

先看了11章Spark

逻辑回归，需要迭代多，所以尤其适用Spark，100多倍

企业的应用：

1. 批量数据处理（数分钟与数小时，ETL），比如MapReduce

2. 基于历史数据的交互查询，比如Impala，Hive还不是

3. 实时数据流处理，比如Storm。比如返利的实时数据，以前通过数据库备库方式来处理，扩展性差。

而Spark提供了一站式解决。

一句话概括RDD，分布式内存的一个抽象概念，提供了一种高度受限的共享内存模型。

《大数据技术原理与应用》学习