03 2021 档案

04 RDD编程练习
摘要：一、filter,map,flatmap练习： 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 3.全部转换为小写 4.去掉长度小于3的单词 5.去掉停用词 6.练习一的生成单词键值对 阅读全文
posted @ 2021-03-31 18:52 半个人記诚 阅读(45) 评论(0) 推荐(0)
03 Spark RDD编程基础
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() 阅读全文
posted @ 2021-03-28 21:37 半个人記诚 阅读(40) 评论(0) 推荐(0)
02 Spark架构与运行流程流程
摘要：1. 为什么要引入Yarn和Spark。 Apache Hadoop YARN （Yet Another Resource Negotiator，另一种资源协调者）是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管 阅读全文
posted @ 2021-03-14 20:23 半个人記诚 阅读(107) 评论(0) 推荐(0)
大数据概述
摘要：1.用图表描述Hadoop生态系统的各个组件及其关系。 2.阐述Hadoop生态系统中，HDFS, MapReduce, Yarn, Hbase及Spark的相互关系。 HDFS HDFS（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的实现版。 阅读全文
posted @ 2021-03-01 20:20 半个人記诚 阅读(82) 评论(0) 推荐(0)