摘要：
准备： 创建RDD，并转换为DataFrame；scm持久化；创建spark.sql临时表等预处理： 1.总共有多少学生？ RDD DataFrame spark.sql 2.开设了多少门课程？ RDD DataFrame spark.sql 3.每个学生选修了多少门课？ RDD DataFrame 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 hive是shark的前身，shark是sparkSQL的前身，sparkSQL产生的根本原因是其完全脱离了hive的限制，hive是hive SQL转换成MapReduce然后提交到集群上执行，大 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( ) 三、综合练习：学生课程分数 网盘下载sc.txt文件， 阅读全文
摘要：
一、词频统计 A. 分步骤实现 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()，长度小于2 阅读全文
摘要：
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hdfs 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.转换操作 （1）filter(func) （2）map(func) (3)f 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。 目前，Spark已经发展成为包含众多子项目的大数据计算平台。BDAS是伯克利大学提出的基于Spark的数据分析栈（BDAS）。其核心框架是Spark，同时涵盖支持结构化数据SQL查询与 阅读全文
摘要：
1.环境测试 spark版本Python环境 2.在pyspark中测试代码 测试代码:print('打印一个spark') 输出: 打印一个spark 词频统计： 查看代码 import os import re path='/home/hadoop/wc/spark_test.txt' with 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。 1.HDFS: HDFS(Hadoop Distributed File System)基于Google发布的GFS论文设计开发，运行在通用硬件上的分布式文件系统。 除具备其它分布式文件系统相同特性外， 阅读全文