• 博客园Logo
  • 首页
  • 新闻
  • 博问
  • 专区
  • 闪存
  • 班级
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    我的博客 我的园子 账号设置 简洁模式 ... 退出登录
    注册 登录
鸿宝爱DM
博客园 首页 新随笔 联系 订阅 订阅 管理

2021年6月7日

期末大作业
摘要: 数据集:美新冠数据集 字段: date county state cases deaths 数据量:158981 准备分析哪些问题? 1) 统计美国截止每日的累计确诊人数和累计死亡人数。 2) 统计美国每日的新增确诊人数和新增死亡人数。 3) 统计截止5.18日,美国各州的累计确诊人数和死亡人数。 阅读全文
posted @ 2021-06-07 19:53 鸿宝爱DM 阅读(22) 评论(0) 推荐(0) 编辑
 
06 spark SQL及其DataFrame的基本操作
摘要: 1。尽管数据库的事务和查询机制较好胡满足胃各类商业公司胡业务数据管理需求,但关系数据库在大数据时代不能满足各类新增的用户需求,用户需要从不同胡数据源执行各种操作,用户需要执行高级分析,比如机器学习和图像处理,而spark sql的出现填补了这个鸿沟,spakr可以提供DataFrame API,可以 阅读全文
posted @ 2021-06-07 19:52 鸿宝爱DM 阅读(43) 评论(0) 推荐(0) 编辑
 
07 从RDD创建DataFrame
摘要: sc创建RDD 转换成Row元素,列名=值 spark.createDataFrame生成df df.show(), df.printSchema() 3.2 使用编程方式定义RDD模式 生成“表头” fields = [StructField(field_name, StringType(), T 阅读全文
posted @ 2021-06-07 19:45 鸿宝爱DM 阅读(24) 评论(0) 推荐(0) 编辑
 
spark连接mysql数据库:
摘要: spark连接mysql数据库: 1.安装启动检查Mysql服务。 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 netstat -tunl 阅读全文
posted @ 2021-06-07 19:43 鸿宝爱DM 阅读(52) 评论(0) 推荐(0) 编辑
 
 

2021年5月20日

08 学生课程分数的Spark SQL分析
摘要: 08 学生课程分数的Spark SQL分析 一. 读学生课程分数文件chapter4-data01.txt,创建DataFrame。 1.生成“表头” 2.生成“表中的记录” 3.把“表头”和“表中的记录”拼装在一起 用DataFrame的操作或SQL语句完成以下数据分析要求,并和用RDD操作的实现 阅读全文
posted @ 2021-05-20 00:15 鸿宝爱DM 阅读(29) 评论(0) 推荐(0) 编辑
 
 

2021年4月19日

RDD编程
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() 8.按字母顺序排 阅读全文
posted @ 2021-04-19 08:27 鸿宝爱DM 阅读(38) 评论(0) 推荐(0) 编辑
 
 

2021年4月5日

4
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 13:05 鸿宝爱DM 阅读(25) 评论(0) 推荐(0) 编辑
 
 

2021年3月28日

2
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 lines=sc.textFile("file:///home/hadoop/word.txt") linesWithSpark=lines.f 阅读全文
posted @ 2021-03-28 20:02 鸿宝爱DM 阅读(13) 评论(0) 推荐(0) 编辑
 
 

2021年3月14日

1
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
posted @ 2021-03-14 12:24 鸿宝爱DM 阅读(29) 评论(0) 推荐(0) 编辑
 
 

2021年1月4日

网站用户行为分析
摘要: 网站用户行为分析 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、HBa 阅读全文
posted @ 2021-01-04 23:49 鸿宝爱DM 阅读(165) 评论(0) 推荐(0) 编辑
 
 
下一页

Powered by: 博客园
Copyright © 2022 鸿宝爱DM
Powered by .NET 6 on Kubernetes