摘要： 综合练习：学生课程分数 网盘下载sc.txt文件，分别创建RDD、DataFrame和临时表/视图； 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: 导入文件 1.总共有多少学生？ 2.总共开设了多少门课程？ 3.每个学生选修了多少门课？ 4.每门课程有 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： 一.前言和项目的准备 1.前言 这几天做docker-compose查找了很多博客，踩了很多坑，人都emo了，就记录此次实验 2.项目准备 一般来说有以下几个文件 crud-demo-0.0.1-SNAPSHOT.jar 后端打包文件 dist.zip 前端打包文件 docker-compose.y 阅读全文

摘要： 集合运算 union()， intersection()，subtract(), cartesian() 内连接与外连接 综合练习：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(), coun 阅读全文

摘要： 一、词频统计 A. 分步骤实现 1.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的词filter() 5 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 exit（）退出上一步后启动hdfs上传文件且查看文件 进入spark加载刚刚传入hdfs的文件 不使用HDFS了，记得停止hdfs 3.通过并行集合（列表）创建RDD 输入列表字符串numpy生成数组 二、 阅读全文

摘要： 一.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生态圈中包含了Spark SQL、Spark Streaming、GraphX、MLlib等组件，这些组件可以非常容易地把各种处理流程整合在一起，而这样的整合，在实际的数据分 阅读全文

摘要： 一、安装Spark 检查基础环境hadoop,jdk 下载spark 解压，文件夹重命名、权限（已安装没有图） 配置文件（已安装没有图） 环境变量（已安装没有图） 6.试运行Python代码 二、Python编程练习：英文文本的词频统计 思想 准备文本文件 读文件 预处理：大小写，标点符号，停用词 阅读全文

摘要： 大数据是IT行业的又一次技术变革，大数据的浪潮汹涌而至，对国家治理、企业决策和个人生活都在产生深远的影响，并将成为云计算、物联网之后信息技术产业领域又一重大创新变革。未来的十年将是一个“大数据”引领的智慧科技的时代、随着社交网络的逐渐成熟，移动带宽迅速提升、云计算、物联网应用更加丰富、更多的传感设备 阅读全文