摘要: 06 Spark SQL 及其DataFrame的基本操作(忘了交 1.Spark SQL出现的 原因是什么? Spark SQL的前身是 Shark,Shark最初是美国加州大学伯克利分校的实验室开发的Spark生态系统的组件之一,它运行在Spark系统之上,Shark重用了Hive的工作机制,并 阅读全文
posted @ 2021-06-06 22:23 不喜欢穿内裤 阅读(44) 评论(0) 推荐(0) 编辑
摘要: 1.安装启动检查Mysql服务。netstat -tunlp (3306) 2.spark 连接mysql驱动程序。–cp /usr/local/hive/lib/mysql-connector-java-5.1.40-bin.jar /usr/local/spark/jars 3.启动 Mysql 阅读全文
posted @ 2021-05-30 22:03 不喜欢穿内裤 阅读(26) 评论(0) 推荐(0) 编辑
摘要: 1.生成“表头” from pyspark.sql.types import IntegerType,StringType,StructField,StructTypefrom pyspark.sql import Rowfields=[StructField('name',StringType() 阅读全文
posted @ 2021-05-19 22:15 不喜欢穿内裤 阅读(49) 评论(0) 推荐(0) 编辑
摘要: 一、词频统计: 读文本文件生成RDD lines 将一行一行的文本分割成单词 words flatmap() 全部转换为小写 lower() 去掉长度小于3的单词 filter() 去掉停用词 转换成键值对 map() 统计词频 reduceByKey() 按字母顺序排序 按词频排序 10、结果文件 阅读全文
posted @ 2021-04-18 19:51 不喜欢穿内裤 阅读(21) 评论(0) 推荐(0) 编辑
摘要: 一、词频统计: 1.读文本文件生成RDD lines 2.将一行一行的文本分割成单词 words flatmap() 3.全部转换为小写 lower() 4.去掉长度小于3的单词 filter() 5.去掉停用词 6.转换成键值对 map() 7.统计词频 reduceByKey() 二、学生课程分 阅读全文
posted @ 2021-04-05 16:06 不喜欢穿内裤 阅读(38) 评论(0) 推荐(0) 编辑
摘要: 一、filter,map,flatmap练习: 1.读文本文件生成RDD lines lines=sc.textFile("file:///usr/local/spark/mycode/rdd/word.txt") 2.将一行一行的文本分割成单词 words words = lines.flatMa 阅读全文
posted @ 2021-03-29 21:25 不喜欢穿内裤 阅读(86) 评论(22) 推荐(0) 编辑
摘要: 1.准备文本文件,从文件创建RDD lines=sc.textFile(),筛选出含某个单词的行 lines.filter(),lambda 参数:条件表达式 2.生成单词的列表,从列表创建RDD words=sc.parallelize(),筛选出长度大于2 的单词 words.filter() 阅读全文
posted @ 2021-03-27 22:05 不喜欢穿内裤 阅读(25) 评论(0) 推荐(0) 编辑
摘要: 1. 阐述Hadoop生态系统中,HDFS, MapReduce, Yarn, Hbase及Spark的相互关系,为什么要引入Yarn和Spark。 答: Hadoop对应于Google三驾马车:HDFS对应于GFS,即分布式文件系统,MapReduce即并行计算框架,HBase对应于BigTabl 阅读全文
posted @ 2021-03-12 15:43 不喜欢穿内裤 阅读(37) 评论(0) 推荐(0) 编辑
摘要: 网站用户行为分析 步骤 1.1 本地数据集上传到数据仓库Hive 数据集下载与查看 数据集预处理 把数据集导入HDFS中 在Hive上创建数据库 1.2 Hive数据分析 给出数据分析需求 用select语句实现数据分析 数据分析结果查看与保存 1.3 Hive、MySQL、HBase数据互导 操作 阅读全文
posted @ 2021-01-07 22:29 不喜欢穿内裤 阅读(82) 评论(0) 推荐(0) 编辑
摘要: 了解对比Hadoop不同版本的特性,可以用图表的形式呈现。 Apache Hadoop版本分为两代,我们将第一代Hadoop称为Hadoop 1.0,第二代Hadoop称为Hadoop 2.0。第一代Hadoop包含三个大版本,分别是0.20.x,0.21.x和0.22.x,其中,0.20.x最后演 阅读全文
posted @ 2020-09-19 12:28 不喜欢穿内裤 阅读(79) 评论(0) 推荐(0) 编辑