随笔档案「2021年3月」 - 哆啦啦啦

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.去掉停用词二、groupByKey练习 6.练习一的生成单词键值对 7.对单词进行分组 8.查看分组结果学生科目成绩阅读全文

posted @ 2021-03-31 16:23 哆啦啦啦阅读(56) 评论(0) 推荐(0)

Spark RDD编程

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 11:06 哆啦啦啦阅读(46) 评论(0) 推荐(0)

Spark架构与运行流程

摘要：Spark架构与运行流程 1. 阐述Hadoop生态系统中，HDFS, MapReduce, Yarn, Hbase及Spark的相互关系，为什么要引入Yarn和Spark。 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。HD 阅读全文

posted @ 2021-03-13 23:47 哆啦啦啦阅读(112) 评论(0) 推荐(0)

03 2021 档案