会员
众包
新闻
博问
闪存
赞助商
HarmonyOS
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
Quinnci
博客园
首页
新随笔
联系
订阅
管理
2022年5月11日
7. Spark SQL
摘要: 1.分析SparkSQL出现的原因,并简述SparkSQL的起源与发展。 一、spark产生的目的 spark产生:为了替代Mapreduce,解决Mapreduce计算短板Hadoop生态体系:hdfs+zokeeper +mareduce/hive+hbase+storm+mahot+其他 工具
阅读全文
posted @ 2022-05-11 11:28 Quinnci
阅读(85)
评论(0)
推荐(0)
2022年4月20日
6. RDD综合练习:更丰富的操作
摘要: 集合运算练习 union(), intersection(),subtract(), cartesian() 内连接与外连接 join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin() 多个考勤文件,签到日期汇总,出勤次数统计 三、综合练习:
阅读全文
posted @ 2022-04-20 10:04 Quinnci
阅读(53)
评论(0)
推荐(0)
2022年4月7日
5.RDD操作综合实例
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(), 停用词,可网盘下载stopwords.txt,filter
阅读全文
posted @ 2022-04-07 17:16 Quinnci
阅读(40)
评论(0)
推荐(0)
2022年3月22日
4.RDD操作
摘要: 一、 RDD创建 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、numpy生成数组 二、 RDD操作 转换操作 1.filter(func) 显式定义函数 lambda
阅读全文
posted @ 2022-03-22 00:01 Quinnci
阅读(32)
评论(0)
推荐(0)
2022年3月15日
3.Spark设计与运行原理,基本操作
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。 以下简要介绍BDAS的各个组成部分。 1. Spark CoreSpark Core是整个BDAS的核心组件,是一种大数据分布式处理框架,不仅实现了MapReduce的算子map函数和
阅读全文
posted @ 2022-03-15 12:10 Quinnci
阅读(67)
评论(0)
推荐(0)
2022年3月8日
2.安装Spark与Python练习
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 with open("Under the Red Drag
阅读全文
posted @ 2022-03-08 17:22 Quinnci
阅读(31)
评论(0)
推荐(0)
2022年3月1日
1.大数据概述
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)Hadoop分布式文件系统 源自于Google的GFS论文,发表于2003年10月,HDFS是GFS克隆版。 HDFS是整个hadoop体系的基础,负责数据的存储与管理。HDFS有着高容错性(fa
阅读全文
posted @ 2022-03-01 20:10 Quinnci
阅读(97)
评论(0)
推荐(0)
公告