2022年5月27日

摘要: 综合练习:学生课程分数 网盘下载sc.txt文件,分别创建RDD、DataFrame和临时表/视图; # 创建RDD # 转换得到DataFrame # 观察 df # 注册为临时表 观察临时表 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: 1.总共有 阅读全文
posted @ 2022-05-27 21:51 Luirc 阅读(88) 评论(0) 推荐(0) 编辑

2022年5月11日

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
posted @ 2022-05-11 17:35 Luirc 阅读(4) 评论(0) 推荐(0) 编辑

2022年4月20日

摘要: 一、集合运算练习 union(), intersection(),subtract(), cartesian() 二、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 阅读全文
posted @ 2022-04-20 18:52 Luirc 阅读(9) 评论(0) 推荐(0) 编辑

2022年4月7日

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 4.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 阅读全文
posted @ 2022-04-07 20:41 Luirc 阅读(16) 评论(0) 推荐(0) 编辑

2022年3月30日

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 停止hdfs 3.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 1.转换操作 1.filter(func) 显式定义函数 阅读全文
posted @ 2022-03-30 13:01 Luirc 阅读(5) 评论(0) 推荐(0) 编辑

2022年3月15日

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生态系统图: 各组件的功能: Spark Core: Spark核心组件,它实现了Spark的基本功能,包含任务调度、内存管理、错误恢复、与存储系统交互等模块。Spark C 阅读全文
posted @ 2022-03-15 17:35 Luirc 阅读(16) 评论(0) 推荐(0) 编辑

2022年3月8日

摘要: 一、安装Spark 1.检查基础环境hadoop,jdk 2.下载spark 3.解压,文件夹重命名、权限 4.配置文件 5.环境变量 6.试运行Python代码 二、Python编程练习:英文文本的词频统计 1.准备文本文件 2.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 阅读全文
posted @ 2022-03-08 16:50 Luirc 阅读(7) 评论(0) 推荐(0) 编辑

2022年2月28日

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(hadoop分布式文件系统) 是hadoop体系中数据存储管理的基础。他是一个高度容错的系统,能检测和应对硬件故障。 client:切分文件,访问HDFS,与namenode交互,获取文件 阅读全文
posted @ 2022-02-28 15:35 Luirc 阅读(18) 评论(0) 推荐(0) 编辑