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: 网盘下载sc.txt文件，创建RDD，并转换得到DataFrame 一、DataFrame操作 1.总共有多少学生？ 2.总共开设了多少门课程？ 3.每个学 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。 Spark SQL是Spark用来处理结构化数据的一个模块，它提供了一个叫作Data Frame的编程抽象结构数据模型(即带有Schema信息的RDD)，Spark SQL作为分布式SQL查询引擎，让用户可以通过SQL、Dat 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： A.分步骤实现 1.准备文件 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(),先导入re然后用re.split分词 长度小于2的词filter() 5.统计词频 6.按词频排序 7.输 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 print命令要输入from __future__ import print_function 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hdfs 3.通过并行集合（列表）创建R 数组 列表 字符串 二、 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。 2.请详细阐述Spark的几个主要概念及相互关系： Master：负责应用的资源管理，根据应用的需要，向ResourceManager申请资源 Worker ：从节点，负责控制计算节点 阅读全文

摘要： 1.基础环境--环境准备检查 2.环境变量 3.运行pyspark 4.python代码测试 二、Python编程练习：英文文本的词频统计 1.准备文本文件 通过终端命令创建文件，一个放英文内容，一是python代码文件 2.读文件 # 1 获取文本 f = open("这里修改为你要读取文件的地址 阅读全文

摘要： 题目：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。 回答： 1）Hadoop是一个能够对大量数据进行分布式处理的软件框架。具有可靠、高效、可伸缩的特点。 Hadoop的核心是HDFS和MapReduce，hadoop2.0还包括YARN。1，HDF 阅读全文