SniperJaren

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 的不断发展， Shark 对 Hive 的重度依赖体现在架构上的瓶颈越来越突出。 一方面， Hive 的语法解析和查询优化等模块本身针对的是 MapReduce ，限制了在 Spark 系统上的深度优化和维 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() 网盘下载sc.txt文件，通过RDD操作实现以下数据分析: 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 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,filter()， 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 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.map(func) lambda函数 a.字符串分词 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 Core： 是整个BDAS生态系统的核心组件，是一个分布式大数据处理框架。其包含Spark最基础和最核心的功能，如内存计算、任务调度、部署模式、故障恢复、存储管理等，主要面向 阅读全文

摘要： 一、安装Spark 1.检查基础环境hadoop,jdk 2.配置文件 vim /usr/local/spark/conf/spark-env.sh 3.环境配置 gedit ~/.bashrc 4.试运行Python代码 二、Python编程练习：英文文本的词频统计 1.准备文本文件 2.读文件 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。 一、HDFS：它是Hadoop两大核心组成部分之一，提供了在廉价服务器集群中进行大规模分布式文件存储的能力。它具有很好的容错能力，可以兼容廉价的硬件设备。它采用了主从结构模型，一个HDFS集群包括一个名 阅读全文