1. spark数据挖掘算法
是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架，Spark，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
2. spark处理分析数据
目前加米谷大数据培训的课程约有两种：
1、大数据开发：Ja-va、大数据基础、Hadoop体系、Scala、kafka、Spark等内容；
2、数据分析与挖掘：Python、关系型数据库MySQL、文档数据库MongoDB、内存数据库Redis、数据处理、数据分析等。
3. spark 数据挖掘
Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用的并行计算框架，Spark基于map reduce算法实现的分布式计算，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法。 优势应该在于分布式架构比较相似能快速上手。
4. 基于spark的数据分析技术
1 基于MapReduce的气候数据的分析
2 基于关键词的文本知识的挖掘系统的设计与实现
3 基于概率图模型的蛋白质功能预测
4 基于第三方库的人脸识别系统的设计与实现
5 基于hbase搜索引擎的设计与实现
6 基于Spark-Streaming的黑名单实时过滤系统的设计与实现
7 客户潜在价值评估系统的设计与实现
8 基于神经网络的文本分类的设计与实现
5. spark算法模型
功能点上： hive：
1、数据存储
2、数据清洗 spark：1、数据清洗 2、流式计算 hive可以通过Hql方式读hive数据进行数据清洗 spark可以通过sparkSQL或sparkCore方式进行数据清洗，可以读取的数据源包活jdbc,hive，elasticsearch，文件等 所以spark可以取代hive的数据清洗功能，也可以把hive做为数据源 hive的强项在于1、大数据存储，2、通过sql方式进行MapReduce操作，降低大数据使用门槛 spark强项在于1、基于内存的MapReduce操作，速度快2、流式计算（对标产品flink,storm）
6. spark 数据处理
可以处理外部数据
Spark SQL开放了一系列接入外部数据源的接口，来让开发者可以实现Spark SQL可以加载任何地方的数据，例如mysql，hive，hdfs，hbase等，而且支持很多种格式如json, parquet, avro, csv格式…
Spark SQL的DataFrame接口支持多种数据源的操作。一个DataFrame可以进行RDDs方式的操作，也可以被注册为临时表。把DataFrame注册为临时表之后，就可以对该DataFrame执行SQL查询。