关于“spark_mongodb_php”的问题，小编就整理了【3】个相关介绍“spark_mongodb_php”的解答：
spark可以定义方法吗？spark可以定义包括new类，uadf类，mongodb类，scala类的方法。
public class practice {
public static void main(String[] args) {
flatMap(new FlatMapFunction() {
@Override
public void call() {
System.out.println("spark接口就是这么调用的");
}
});
}
static void flatMap(FlatMapFunction tf) {
tf.call();
}
}
interface FlatMapFunction {
void call();
}
要使用接口，就必须实现接口的方法再调用方法。
匿名内部类语法，允许我们不需要单独定义接口，而是在main方法中来实现这个过程。这使得接口实现的修改像if和for一样随意了，比如spark中的一些接口的重载方法。
所谓“内部”是指在方法内调用，”匿名”是指没有给接口的实现类具体命名。
再看看spark的java版本算子，就是用到了匿名内部类，对于没有接触过匿名内部类的人，一定搞得云里雾里。
flink为什么比spark好？Flink相对于Spark的优点体现在以下几个方面。
容错
Flink 基于两阶段提交实现了精确的一次处理语义。
Spark Streaming 只能做到不丢数据，但是有重复。
反压
Flink 在数据传输过程中使用了分布式阻塞队列，一个阻塞队列中，当队列满了以后发送者会被天然阻塞住，这种阻塞功能相当于给这个阻塞队列提供了反压的能力。
Spark Streaming 为了实现反压这个功能，在原来的架构基础上构造了一个“速率控制器”，这个“速率控制器”会根据几个属性，如任务的结束时间、处理时长、处理消息的条数等计算一个速率。在实现控制数据的接收速率中用到了一个经典的算法，即“PID 算法”。
流和微批
Flink是流处理，用流的思想做批处理。
Spark 是微批处理，用批的思想做流处理。
延时
sparkstreaming是秒级别的
Structured Streaming是毫秒级别的
Flink是亚秒级别的
状态存储
spark的状态管理目前做的比较简单,只有两个对应的算子（UpdateStateByKey和mapWithState）
Flink 提供文件、内存、RocksDB 三种状态存储，五种类型的状态，（ValueState，ListState，ReducingState，AggregatingState，FoldingState，MapState）
谈谈mongodb，mysql的区别和具体应用场景？官方文档看一看。
编程实例练一练。
源码看一看。
一般互联网公司多用mysql,redis,mongodb做存储层，hadoop,spark做大数据分析。
mysql适合结构化数据，类似excel表格一样定义严格的数据，用于数据量中，速度一般支持事务处理场合。
redis适合缓存内存对象，如缓存队列，用于数据量小，速度快不支持事务处理高并发场合。
mongodb，适合半结构化数据，如文本信息，用于数据量大，速度较快不支持事务处理场合。
hadoop是个生态系统，上面有大数据分析很多组件，适合事后大数据分析任务。
spark类似hadoop，偏向于内存计算，流计算，适合实时半实时大数据分析任务。
移动互联网及物联网让数据呈指数增长，NoSql大数据新起后，数据存储领域发展很快，似乎方向都是向大数据，内存计算，分布式框架，平台化发展，出现不少新的方法，如Apache Ignite适合于内存计算就集成了好多功能模快,Apache Storm、Spark、Flink也各有特点。
一般普通应用TB，GB级别达不到PB级别的数据存储，用mongodb，mysql就够了，hadoop，spark这类是航母一般多是大规模应用场景,多用于事后分析统计用，如电商的推荐系统分析系统。
到此，以上就是小编对于“spark_mongodb_php”的问题就介绍到这了，希望介绍关于“spark_mongodb_php”的【3】点解答对大家有用。
