吴大叔

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() 3 阅读全文

摘要：1. 阐述Hadoop生态系统中，HDFS, MapReduce, Yarn, Hbase及Spark的相互关系。 答：Hadoop分布式计算平台最核心的是：提供海量数据存储的HDFS，与提供海量数据计算的MapReduce，以及数据仓库工具Hive和分布式数据库Hbase。 hadoop三大组件包 阅读全文