摘要: 综合练习:学生课程分数 网盘下载sc.txt文件,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: 0. 创建RDD,并转换为DataFrame;scm持久化;创建spark.sql临时表等预处理: RDD: DataFrame: spark.sql: 1 阅读全文
posted @ 2022-06-02 22:46 bumi 阅读(82) 评论(0) 推荐(0) 编辑
摘要: 1.请分析SparkSQL出现的原因,并简述SparkSQL的起源与发展。 Spark SQL的前身是 Shark,Shark最初是美国加州大学伯克利分校的实验室开发的Spark生态系统的组件之一,它运行在Spark系统之上,Shark重用了Hive的工作机制,并直接继承了Hive的各个组件, Sh 阅读全文
posted @ 2022-05-08 16:36 bumi 阅读(21) 评论(0) 推荐(1) 编辑
摘要: 集合运算练习 union(), intersection(),subtract(), cartesian() 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文件,通 阅读全文
posted @ 2022-04-19 14:02 bumi 阅读(30) 评论(0) 推荐(0) 编辑
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 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的词fil 阅读全文
posted @ 2022-04-09 22:48 bumi 阅读(26) 评论(0) 推荐(0) 编辑
摘要: 一、 RDD创建 从本地文件系统中加载数据创建RDD 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 通过并行集合(列表)创建RDD 输入列表、字符串、生成数组 二、 RDD操作 转换操作 filter(func) 传入lambda匿名函数 显示定义函数 map( 阅读全文
posted @ 2022-03-25 17:02 bumi 阅读(16) 评论(0) 推荐(0) 编辑
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 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 Core中还包含了对弹性分布式数据集(Res 阅读全文
posted @ 2022-03-11 14:55 bumi 阅读(49) 评论(0) 推荐(0) 编辑
摘要: 一、安装Spark 检查基础环境hadoop,jdk 配置文件 vim /usr/local/spark/conf/spark-env.sh 环境变量 vim ~/.bashrc 启动spark pyspark 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(tx 阅读全文
posted @ 2022-03-02 17:40 bumi 阅读(44) 评论(0) 推荐(0) 编辑
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(分布式文件系统)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(fault-tolerant)的特点,并且设计用来部署在低廉的(low-cost)硬件上 阅读全文
posted @ 2022-02-22 10:58 bumi 阅读(35) 评论(0) 推荐(0) 编辑