摘要：
19..每门课的选修人数、平均分、不及格人数、通过率 20.优秀、良好、通过和不合格各有多少人？ 21.同时选修了DataStructure和 DataBase 的学生 22.选修了DataStructure 但没有选修 DataBase 的学生 23.选修课程数少于3门的同学 24.选修6门及以上 阅读全文
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 1.总共有多少学生？ RDD： DataFrame： spark.sql： 2.总共开设了多少门课程？ RDD： DataFrame： spark.sql： 阅读全文
摘要：
一、分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 因为关系数据库已经很流行，而且关系数据库在大数据时代已经不能满足要求。首先，用户需要从不同数据源执行各种操作，包括结构化、半结构化和非结构化数据。其次，用户需要执行高级分析，比如机器学习和图像处理。在实际大数据应用中，经常需要 阅读全文
摘要：
一、集合运算练习 union()， intersection()，subtract(), cartesian() 二、键值对RDD的内连接与外连接 join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin() 三、学生课程分数 1. 持久化 s 阅读全文
摘要：
一、词频统计 A. 分步骤实现 1. 准备文件读文件创建RDD 1.下载小说或长篇新闻稿 2.上传到hdfs上 2. 准备文件读文件创建RDD 3.分词 4.排除大小写lower()，map() 4.1.标点符号re.split(pattern,str)，flatMap() 去掉无用数据： 4.2. 阅读全文
摘要：
一、 RDD创建 1. 启动pyspark 2. 从HDFS加载数据创建RDD 2.1 启动hdfs，上传文件 2.2 查看文件，加载文件 2.3 停止HDFS 3. 通过并行集合（列表）创建RDD 3.1输入列表、字符串、生成数组 二、 RDD操作 转换操作 1.filter(func)： 1.1 阅读全文
摘要：
①Spark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。 组件介绍 1 . Spark Core： Spark的核心组件，其操作的数据对象是RDD（弹性分布式数据集），图中在Spark Core上面的四个组件都依赖于Spark Core，可以简 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。 Hadoop生态系统中常见的组件有含有：HDFS（分布式存储系统），Mapreduce（分布式计算框架），HBase（分布式列存数据库），Hive（数据仓库），ZoopKer（分布式协作服务），Pig（ 阅读全文