摘要: 综合练习:学生课程分数 网盘下载sc.txt文件,创建RDD,并转换得到DataFrame。 RDD操作见https://www.cnblogs.com/Kiranar/p/16138625.html 同一操作插入sql/dataframe操作图,sql在下,dataframe在上 datafram 阅读全文
posted @ 2022-05-18 09:14 Kiranar 阅读(97) 评论(0) 推荐(0) 编辑
摘要: 1.分析SparkSQL出现的原因,并简述SparkSQL的起源与发展。 最开始是为了在Hadoop上实现用 类SQL的语法 对 SQL 的快速查询。 Spark 开始兴起之后,就开始转向在Spark上使用Hive,然后开始发展SparkSQL 2. 简述RDD 和DataFrame的联系与区别。 阅读全文
posted @ 2022-04-27 09:31 Kiranar 阅读(44) 评论(0) 推荐(0) 编辑
摘要: 持久化 scm.cache() 总共有多少学生?map(), distinct(), count() 开设了多少门课程? 生成(姓名,课程分数)键值对RDD,观察keys(),values( 每个学生选修了多少门课?map(), countByKey() 每门课程有多少个学生选?map(), cou 阅读全文
posted @ 2022-04-13 09:03 Kiranar 阅读(55) 评论(0) 推荐(0) 编辑
摘要: 一、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filt 阅读全文
posted @ 2022-03-30 15:30 Kiranar 阅读(20) 评论(0) 推荐(0) 编辑
摘要: 一、 RDD创建 从本地文件系统中加载数据创建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 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 转换操作 map(func)显式定义函数lambda函数 行动操作 foreach(print) 阅读全文
posted @ 2022-03-16 10:30 Kiranar 阅读(21) 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。 2.请详细阐述Spark的几个主要概念及相互关系: Master, Worker; RDD,DAG; Application, job,stage,task; driver,execu 阅读全文
posted @ 2022-03-09 11:11 Kiranar 阅读(30) 评论(0) 推荐(0) 编辑
摘要: 一、安装Spark 检查基础环境hadoop,jdk 下载spark 解压,文件夹重命名、权限 配置文件 环境变量 试运行Python代码 二、Python编程练习:英文文本的词频统计 准备文本文件 读文件 预处理:大小写,标点符号,停用词 分词 统计每个单词出现的次数 按词频大小排序 结果写文件 阅读全文
posted @ 2022-03-02 09:43 Kiranar 阅读(40) 评论(0) 推荐(1) 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 2.对比Hadoop与Spark的优缺点。 3.如何实现Hadoop与Spark的统一部署? Hadoop生态中Yarn负责资源调度,Spark通过ApplicationMaster申请Yarn上的资源以完成统一部署,即Spar 阅读全文
posted @ 2022-02-23 10:29 Kiranar 阅读(24) 评论(0) 推荐(0) 编辑