Metraipolis › archive › dc_7bb9bfc8df8d

Apache Spark — Wikipedia (es)

Source: Wikipedia (es)
Original: https://es.wikipedia.org/wiki/Apache_Spark
License (as archived): CC-BY-SA-4.0
Archived: 2026-10-18T14:19:27.336Z
SHA-256 of the archived text: f86aa0db02e78896525b62494209b13af220f370e71aafb42f11fc6b27bbb23c
Stable URL of this page: https://metraipolis.com/documento/dc_7bb9bfc8df8d

How to cite

Apache Spark — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/Apache_Spark (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_7bb9bfc8df8d (Metraipolis archive dc_7bb9bfc8df8d, sha256 f86aa0db02e78896525b62494209b13af220f370e71aafb42f11fc6b27bbb23c)

BibTeX

@misc{dc7bb9bfc8df8d,
  title = {Apache Spark — Wikipedia (es)},
  howpublished = {Wikipedia (es)},
  url = {https://es.wikipedia.org/wiki/Apache_Spark},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_7bb9bfc8df8d; sha256 f86aa0db02e78896525b62494209b13af220f370e71aafb42f11fc6b27bbb23c},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/Apache_Spark. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

Apache Spark es un framework de computación (entorno de trabajo) en clúster open-source. Fue desarrollada originariamente en la Universidad de California, en el AMPLab de Berkeley. El código base del proyecto Spark fue donado más tarde a la Apache Software Foundation que se encarga de su mantenimiento desde entonces. Spark proporciona una interfaz para la programación de clusters completos con Paralelismo de Datos implícito y tolerancia a fallos. Apache Spark se puede considerar un sistema de computación en clúster de propósito general y orientado a la velocidad. Proporciona APIs en Java, Scala, Python y R. También proporciona un motor optimizado que soporta la ejecución de gráficos en general. También soporta un conjunto extenso y rico de herramientas de alto nivel entre las que se incluyen Spark SQL (para el procesamiento de datos estructurados basada en SQL), MLlib para implementar machine learning, GraphX para el procesamiento de graficos y Spark Streaming. Apache Spark a día de hoy se ha podido consolidar como uno de los frameworks que es más utilizado en los entornos de la computación distribuida y masiva y en el Big Data (Macrodatos). Que a diferencia del modelo mas tradicional del Hadoop (MapReduce), que realiza el procesamiento por los lotes escribiendo los diferentes resultados intermedios en el disco, lo que hace Spark es que utiliza el procesamiento en la memoria (mediante los RDDs y más posteriormente los DataFrames/Datasets), esto lo que hace es que le permite ser hasta 100 veces más rápido en muchas más cargas de trabajo dado. Esto lo hace mucho más especialmente adecuado para las aplicaciones necesarias que requieran de múltiples iteraciones sobre los datos que se tengan (como lo son los algoritmos de machine learning por ejemplo) o en el procesamiento en tiempo casi real dentro de clústeres distribuidos a una gran escala.

Tema degli esploratori: scibile generale (retro-catalogo completo della fonte, senza filtro di tema) (deposito sistematico; retro-catalogo: tutte le voci di Wikipedia in spagnolo, in ordine alfabetico).
Fonte: Wikipedia in spagnolo, voce «Apache Spark» — https://es.wikipedia.org/wiki/Apache_Spark
Wikidata Q7573619: «framework open source per il calcolo distribuito» (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q7573619
Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/Apache_Spark?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 173616730, consultata il 2026-10-18T14:18:26.342Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: fdafbb79d1bf4411f8645187411ec45b6eaac2cf4b20e17d145d8e16a6b8e6b2