摘要: 网盘下载sc.txt文件,分别创建RDD、DataFrame和临时表/视图; 分别用RDD操作、DataFrame操作和spark.sql执行SQL语句实现以下数据分析: 总共有多少学生? 总共开设了多少门课程? 每个学生选修了多少门课? 每门课程有多少个学生选? 每门课程>95分的学生人数 课程' 阅读全文
posted @ 2022-05-27 15:11 yong权 阅读(100) 评论(0) 推荐(0) 编辑
摘要: 1. 请分析SparkSQL出现的原因,并简述SparkSQL的起源与发展。 1.1 出现原因 SparkSQL的出现源于shark存在线程安全问题和维护语法补丁问题,所以将SparkSQL拿出独立发展。SparkSQL代码由于摆脱了对Hive的依赖性,SparkSQL无论在数据兼容、性能优化、组件 阅读全文
posted @ 2022-05-11 21:45 yong权 阅读(3) 评论(0) 推荐(0) 编辑
摘要: 集合运算练习 union(), intersection(),subtract(), cartesian() 内连接与外连接 join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin() 多个考勤文件,签到日期汇总,出勤次数统计 三、综合练习: 阅读全文
posted @ 2022-04-20 20:43 yong权 阅读(7) 评论(0) 推荐(0) 编辑
摘要: 1、词频统计 A. 分步骤实现 准备文件 下载小说或长篇新闻稿 上传到hdfs上 读文件创建RDD 分词 排除大小写lower(),map() 标点符号re.split(pattern,str),flatMap(), 停用词,可网盘下载stopwords.txt,filter(), 长度小于2的词f 阅读全文
posted @ 2022-04-07 21:39 yong权 阅读(16) 评论(0) 推荐(0) 编辑
摘要: 一、 RDD创建 1、从本地文件系统中加载数据创建RDD 创建RDD 从HDFS加载数据创建RDD 启动hdfs 上传文件 查看文件 加载 停止hdfs 2、通过并行集合(列表)创建RDD 输入列表 字符串 numpy生成数组 二、 RDD操作 转换操作 map(func) 显式定义函数 lambd 阅读全文
posted @ 2022-03-21 21:45 yong权 阅读(23) 评论(0) 推荐(0) 编辑
摘要: 1、Spark已打造出结构一体化、功能多样化的大数据生态系统,请用图文阐述Spark生态系统的组成及各组件的功能。 1)SparkCore: Spark Core 是整个BDAS 生态系统的核心组件,是一个分布式大数据处理框架。Spark Core提供了多种资源调度管理,经过内存计算、有向无环图(D 阅读全文
posted @ 2022-03-09 22:47 yong权 阅读(35) 评论(0) 推荐(0) 编辑
摘要: 一、安装Spark 1.检查基础环境hadoop,jdk echo $JAVA_HOME #检查jdk的路径和版本 start-dfs.sh #启动Hadoop jps #检查 2.下载spark 已安装 3.解压,文件夹重命名、权限 已安装 4.配置文件 cd /usr/local/spark/p 阅读全文
posted @ 2022-03-02 17:35 yong权 阅读(59) 评论(0) 推荐(0) 编辑
摘要: 1.列举Hadoop生态的各个组件及其功能、以及各个组件之间的相互关系,以图呈现并加以文字描述。 (1)HDFS——分布式文件系统 Hadoop分布式文件系统HDFS是针对谷歌分布式文件系统(Google File System,GFS)的开源实现,它是Hadoop两大核心组成部分之一,提供了在廉价 阅读全文
posted @ 2022-03-01 15:23 yong权 阅读(16) 评论(0) 推荐(0) 编辑