王联辉：Spark在腾讯TDW的实战

本次大会将邀请近40位国内外云计算技术领域顶尖专家与一线实践者，深入讨论OpenStack、Spark、Docker、Kubernetes等开源技术的最新进展，各个核心项目/组件的演进趋势，以及它们的最新业界应用。

在“2015 Spark技术峰会”，我们请到了腾讯高级工程师王联辉担任演讲嘉宾， 他将带来的分享主题为《腾讯在Spark上的应用与实践优化 》，主要将会介绍TDW-Spark平台的实践情况，以及平台上部分典型的Spark应用案例及其效果，然后分享腾讯在Spark大规模实践应用过程中遇到的一些问题，以及如何解决和优化这些问题，使得Spark在腾讯的应用实践中取得显著的效果。

王联辉表示，早在2013年腾讯就开始使用Spark实现了广告模型的实时训练和更新，并在广告推荐业务上取得显著的效果。而在2014年，更将原有涉及迭代计算、图计算、DAG-MapReduce和HiveSql等多种计算任务利用Spark来实现，并且取得了良好的性能和应用效果。

王联辉

腾讯高级工程师

目前就职于腾讯数据平台部，担任高级工程师，主要负责腾讯TDW-Spark平台的研发和运营工作。从2009年开始从事Hadoop和大数据生态系统相关的工作，经历过Hadoop集群大规模的演变和扩张，对Hadoop、Hive、HBase、Yarn、Spark等开源项目有丰富的实践经验。2013年开始从事Spark平台的研究和使用运营实践，多年以来一直专注于分布式存储和计算等领域。

以下为ImapBox针对田琪的会前采访实录：

ImapBox：首先请介绍下您自己，以及您在Spark 技术方面所做的工作。

王联辉：目前就职于腾讯数据平台部，担任高级工程师，主要负责腾讯TDW-Spark平台的研发和运营工作。

ImapBox：您所在的企业是如何使用Spark 技术的？带来了哪些好处？

王联辉：我们的Spark平台是部署在Gaia（基于YARN进行了大量的优化）资源管理系统之上。在我们的实际应用案例中，发现Spark在性能上比传统的MapReduce计算有较大的提升，特别是迭代计算和DAG的计算任务。

ImapBox：您认为Spark 技术最适用于哪些应用场景？

王联辉：具有迭代计算的数据挖掘和图计算应用，以及具有DAG的ETL/SQL计算应用。

ImapBox：企业在应用Spark 技术时，需要做哪些改变吗？企业如果想快速应用Spark 应该如何去做？

王联辉：企业需要有了解Spark的工程师，如果想做一些Spark任务的调优工作，还需要对Spark内核有一定了解的工程师。如果想快速应用Spark，企业一方面需要培养或者招聘懂Spark的工程师，另一方面需要在实际应用中去使用和实践Spark。

ImapBox：您所在的企业在应用Spark 技术时遇到了哪些问题？是如何解决的？

王联辉：前期我们的业务工程师在Spark的使用和调优上遇到了一些困难，以及Scala的学习上花了一些时间。我们通过实际应用实例给业务工程师指导编写Spark计算任务，使得业务工程师通过一个应用实例学会使用Spark，后续他们可以独立地完成编写Spark业务计算任务的工作。

ImapBox：作为当前流行的大数据处理技术，您认为Spark 还有哪些方面需要改进？

王联辉：目前Core部分相对来说已经较稳定和成熟，但是其上面的几个组件如MLlib、SparkSQL、GraphX、Streaming在稳定性或性能上还有优化和改进的空间。另外Spark方面的参考资料比较少以及熟练使用Scala语言的程序员也比较少。

ImapBox：您在本次演讲中将分享哪些话题？

王联辉：我会介绍TDW-Spark平台的实践情况，以及平台上部分典型的Spark应用案例及其效果，然后分享我们在Spark大规模实践应用过程中遇到的一些问题，以及我们是如何解决和优化这些问题。

ImapBox：哪些听众最应该了解这些话题？您所分享的主题可以帮助听众解决哪些问题？

王联辉：想要大规模实践和应用Spark的人，这些话题一方面帮助大家了解目前我们Spark平台上的部分典型应用案例，另一方面帮助大家了解我们在Spark大规模实践应用过程中遇到的一些问题及其解决和优化方法。

除了王联辉，2015 Spark技术峰会已经邀请Spark Streaming负责人Tathagata Das来华，和国内用户分享Spark的技术细节，探讨Spark未来的发展方向，此外还有Databricks、IBM、Intel、微软、百度、阿里、腾讯、亚信等公司的Spark技术实践者，也将同台分享Spark及其相关项目的实战经验。

附：2015 Spark技术峰会全日程（Updating）