分析师希望通过应用/移除过滤器进行实验，并验证最终过滤数据的计数是否符合要求。这是一个重复的练习，使用此web应用程序的最大人数可能在100人左右。
apachezeppelin提供了一个使用apachespark作为后端的框架，用于交互式地摄取和可视化数据（通过web应用程序）。下面是一个演示这些功能的视频。
另外，共享一个sparkcontext的想法，这是一种变通方法吗？
看起来该项目使用单个sparkcontext来执行低延迟查询作业。

我想知道你最后选择了哪种解决方案。
我有两个主张：
继齐柏林飞艇的@quickinsights理念之后，还有一款互动笔记本jupyter，现在已经很成熟了。它最初是为python设计的，但是可以安装专门的内核。几个月前我试过用toree。基本安装很简单： pip install jupyter pip install toree jupyter install toree 但在那个时候，我不得不做一些低水平的twicks使其工作（如编辑） /usr/local/share/jupyter/kernels/toree/kernel.json ). 但它成功了，我可以用scala笔记本上的Spark簇。看看这首短裙，它符合我的记忆。
spark上的大多数（全部？）文档都提到使用spark submit运行应用程序，或者使用spark shell进行交互式使用（对不起，spark和scala shell太令人失望了……）。他们从不谈论在交互式应用程序中使用spark，比如web应用程序。这是可能的（我试过），但是确实有一些问题需要检查，比如共享你提到的sparkcontext，还有一些关于管理依赖性的问题。你可以查看我在springweb应用程序中使用spark的两个入门原型。它是用java编写的，但我强烈建议使用scala。我没有花足够的时间来学习。不过，我可以说这是可能的，而且效果很好（在一个运行在边缘节点上的12节点群集+应用程序上进行了尝试）
只要记住spark驱动程序，即运行rdd代码的地方，应该在spark节点所在的同一个集群上：驱动程序和工人之间有很多通信。

apachelivy支持从web/移动应用程序（不需要spark客户端）编程、容错、多租户地提交spark作业。因此，多个用户可以同时与spark集群交互。

这不是spark的最佳用例，但完全有可能。但是延迟可能很高。
您可能想查看spark jobserver，它应该提供您所需的大部分功能。您还可以使用spark的jdbc thrift服务器获得数据的sql视图。
一般来说，我建议使用sparksql，它已经处理了很多您可能感兴趣的事情。
另一种选择是使用databricks云，但它还没有公开。

我们公司也有类似的问题。我们有大约2-2.5 tb的日志数据。对这些数据做了一些基本的分析。
我们使用了以下方法：
ApacheFlink，用于通过hive将数据从源文件流式传输到hdfs。
将齐柏林飞艇配置在hdfs的顶部。
连接的sql接口和jdbc连接，通过配置单元连接到hdfs。
批量数据离线的spark
您可以使用flink+hive hdfs
可以通过sql应用筛选器（是！最新版本支持所有内容）
zeppelin可以自动化报表生成任务，而且它有很酷的过滤器特性，而不需要使用${sql variable}特性来修改sql查询。
过来看。我相信你会找到你的答案：）
谢谢。