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
16 mei 2024 Praktische en interactieve workshop 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 heront...
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...
3 t/m 5 juni 2024Praktische workshop met internationaal gerenommeerde spreker Alec Sharp over het modelleren met Entity-Relationship vanuit business perspectief. De workshop wordt ondersteund met praktijkvoorbeelden en duidelijke, herbruikbare richtl...
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...
14 juni 2024 (halve dag online) Praktische en interactieve workshop met Nigel Turner In ons digitale tijdperk willen veel organisaties datagedreven worden en investeren zij fors in nieuwe technologieën om dit mogelijk te maken. Maar deze ...
17 t/m 19 juni 2024Praktische driedaagse workshop met internationaal gerenommeerde trainer Lawrence Corr over het modelleren Datawarehouse / BI systemen op basis van dimensioneel modelleren. De workshop wordt ondersteund met vele oefeningen en prakti...
15 oktober 2024 Workshop met BPM-specialist Christian Gijsels over AI-Gedreven Business Analyse met ChatGPT. Kunstmatige Intelligentie, ongetwijfeld een van de meest baanbrekende technologieën tot nu toe, opent nieuwe deuren voor analisten met i...
17 oktober 2024 Praktische workshop Datavisualisatie - Dashboards en Data Storytelling. Hoe gaat u van data naar inzicht? En hoe gaat u om met grote hoeveelheden data, de noodzaak van storytelling en data science? Lex Pierik behandelt de stromingen i...
Deel dit bericht