dataframe类似于关系型数据库的表，从dataframe中查询数据，需要调用api来实现，到目前为止spark支持的语言scala，java，r，python。
‘hadoop/spark/scala’ 类别下的博文
sppark支持三种分布式部署方式，分别是standalone、spark on mesos和 spark on yarn。
standalone模式，即独立模式，自带完整的服务，可单独部署到一个集群中，无需依赖任何其他资源管理系统。
spark on mesos官方推荐这种模式（当然，原因之一是血缘关系）。正是由于spark开发之初就考虑到支持Mesos，Spark运行在Mesos上会比运行在yarn上更加灵活，更加自然。
spark on yarn这是一种最有前景的部署模式。但限于yarn自身的发展，目前仅支持粗粒度模式（Coarse-grained Mode）。这是由于yarn上的Container资源是不可以动态伸缩的，一旦Container启动之后，可使用的资源不能再发生变化，不过这个已经在yarn计划中了
找一下官方文档，没发现有开机启动的配置。网上找了一下，基本上都是chkconfig的启动方式，用了centos7以后，chkconfig用的就少了。
配置hadoop集群，主要配置core-site.xml,hdfs-site.xml,mapred-site.xml yarn-site.xml，hadoop版本不同，这4个文件的配置可会有差异。以下是收集整理的参数，紧供参考
前面写过一篇hadoop集群安装配置的文章。只用了二台机器，假如机器快满了，就需要在加机器。hadoop加节点，不需要重启hadoop服务。
hadoop的集群先搞二台机器，一台管理机，一台node机，为什么呢。因为钱，机子也要钱。数据量是逐步增长起来的。如果一台node不能满足需求了，在增加node节点到集群。
在开始安装配置前，最好把该篇文章看上几遍，理顺了，在开始。特别是我踩过的坑。