鸽子哥

摘要： 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: 总共有多少学生？ RDD DF SQL 总共开设了多少门课程？ RDD DF SQL 每个学生选修了多少门课？ RDD DF SQL 每门课程有多少个学生选？ RDD DF SQL 阅读全文

摘要： 1.分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 SparkSQL出现的原因：为了替代Mapreduce，解决Mapreduce计算短板。 SparkSQL的起源与发展：Hadoop刚开始出来的时候，使用的是hadoop自带的分布式计算系统MapReduce，但是MapRed 阅读全文

摘要： 集合运算练习 union()， intersection()，subtract(), cartesian() 三、学生课程分数 网盘下载sc.txt文件，通过RDD操作实现以下数据分析: 持久化 scm.cache() 总共有多少学生？map(), distinct(), count() 开设了多少 阅读全文

摘要： 一、词频统计 A.分步骤实现 1.准备文件 下载小说或长篇新闻稿（从网上随便找一篇新闻） 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 长度小于2的词filter() 5.统 阅读全文

摘要： 一、 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 3.通过并行集合（列表）创建RDD 二、 1.map(func) 2.filter(func)：显式定义函数、lambda函数 3.flatMap(func) 4.reduceByKey() 5. groupByKey( 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。 （1）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( 阅读全文

摘要： 一.安装spark 1.检查基本环境Hadoop、jdk 2.配置文件，环境变量 3.试运行python代码 二、Python编程练习：英文文本的词频统计 阅读全文

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。 HDFS:分布式存储系统。 YARN:资源调度。 MapReduce:任务计算。 Hive:让hadoop集群拥有关系型数据库的sql体验，本质是Hadoop的一个插件，如果有统计，加减乘除等计算任务就 阅读全文