摘要： 1.请分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 随着 Spark 的发展，Shark 对于 Hive 的太多依赖（如采用 Hive 的语法解析器、查询优化器等等），制约了 Spark 的 One Stack Rule Them All的既定方针，制约了 Spark 各个组 阅读全文

摘要： 集合运算练习 union()， intersection()，subtract(), cartesian() 内连接与外连接 join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin() 多个考勤文件，签到日期汇总，出勤次数统计 三、综合练习： 阅读全文

摘要： 一、词频统计 A. 分步骤实现 1、准备文件 （1）下载小说或长篇新闻稿 （2）上传到hdfs上 2、读文件创建RDD 3、分词 4、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,filt 阅读全文

摘要： 一、 RDD创建 1.从本地文件系统中加载数据创建RDD 2.从HDFS加载数据创建RDD启动hdfs 上传文件 查看文件 加载 停止hdfd 3.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 1.filter(func)传入lambda匿名函数 2.显式定义 阅读全文

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大数据计算平台包含许多子模块，构成了整个Spark的生态系统，其中Spark为核心。伯克利将整个Spark的生态系统称为伯克利数据分析栈（BDAS），如下图所示。 （1） S 阅读全文

摘要： 一、安装Spark 1.检查基础环境hadoop,jdk java -version //jdk hadoop -version //hadoop 2、下载spark https://archive.apache.org/dist/spark/spark-3.2.0/spark-3.2.0-bin- 阅读全文

摘要： 恢复内容开始 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。 Hadoop是一个能够对大量数据进行分布式处理的软件框架。Hadoop的核心是HDFS和MapReduce,HDFS还包括YARN。 HDFS是Hadoop体系中数据存储管理的基础，它是一 阅读全文