不知道我什么名字

摘要： 网盘下载sc.txt文件，创建RDD，并转换得到DataFrame。 分别用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？ 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 有多少个100分？ Tom选修 阅读全文

摘要： 1.分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 SparkSQL出现的原因 hive是shark的前身，shark是sparkSQL的前身，sparkSQL产生的根本原因是其完全脱离了hive的限制，hive是hive SQL转换成MapReduce然后提交到集群上执行，大 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() 三、综合练习：学生课程分数 网盘下载sc.txt文件，通 阅读全文

摘要： 一、词频统计 A. 分步骤实现 1. 准备文件，下载小说或长篇新闻稿 2. 上传到hdfs上 3. 读文件创建RDD 4. 分词 5. 排除大小写lower()，map() 6. 标点符号re.split(pattern,str)，flatMap() 识别标点符号并替换成空白值 清除空白值 7. 停 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 2. 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 3. 通过并行集合（列表）创建RDD 输入列表 字符串 生成数组 二、 RDD操作 1. 转换操作 map(func) 显式定义函数 lambda函 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. Spark Core 实现Spark的基本功能，包括任务调度、内存管理、错误恢复、与存储系统交互等，以及RDD（Resilient Distributed Dataset）API 阅读全文

摘要： 一、安装Spark 1. 检查基础环境hadoop,jdk 2. 配置文件 3. 配置环境变量 用 gedit ~/.bashrc 打开配置文件 插入以下代码 然后，用 source ~/.bashrc 使刚配置环境变量生效 4. 试运行Python代码 先运行spark 然后用python命令测试 阅读全文

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是hadoop的分布式文件系统，用于数据的存储和管理。 （2)，mapreduce是分布式计算框架，用于处理和计算大量的数据。 （3)， hive是基于hadoop的数据仓库，用于将sq 阅读全文