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
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
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
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
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
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
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