摘要：
1.请分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 如今关系数据库已经非常流行，关系数据库在大数据时代已然不能满足要求。首先，用户需要从不同数据源执行各种操作，包括结构化、半结构化和非结构化数据。其次，用户需要执行高级分析，例如机器学习和图像处理。在实际大数据应用中，经常需要 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()) 网盘下载sc.txt文件，通过RDD操作实现以下数据 阅读全文
摘要：
一、词频统计 A. 分步骤实现 1.准备文件 1.下载小说或长篇新闻稿 2.上传到hdfs上 2.读文件创建RDD 3.分词 4.排除大小写lower()，map() 标点符号re.split(pattern,str)，flatMap(), 先输入import re 长度小于2的词filter() 阅读全文
摘要：
一、RDD的创建 1.1.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 二、RDD操作 转换操作 filter(func)，显式定义函数，lambda函数；map(func)，显式定义函数，lambda函数 行动操作，fo 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。 Spark Core：包含Spark的基本功能；尤其是定义RDD的API、操作以及这两者上的动作。其他Spark的库都是构建在RDD和Spark Core之上的 Spark SQL：提 阅读全文
摘要：
一、Spark的安装 1、安装结果 2、Spark的环境配置 3、运行 4、测试 二、Python练习 1、代码截图 2、运行结果 3、源码 import string file1 = open('C:/Users/Administrator/R201906120171/Chenzhikun/san 阅读全文
摘要：
一、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。 组件1：HDFS，作用：分布式文件系统，存储是hadoop体系的基础。 组件2：MapReduce，作用：作为一种计算模型，用来大数据的计算。 组件3：Yarn，作用：改善MapReduce的缺陷，是另 阅读全文