摘要：一、词频统计 1.准备文件 文章地址：https://baijiahao.baidu.com/s?id=1590095643409783178&wfr=spider&for=pc 2.下载小说或长篇新闻稿 3.上传到hdfs上 A.分步骤实现 读文件创建RDD 分词 排除大小写，标点符号，停用词，长 阅读全文

摘要：一、 RDD创建 从本地文件系统中加载数据创建RD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 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) 显式定义函数lambda函数 2.map(func 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。 （1）Spark Core：Spark核心组件，它实现了Spark的基本功能，包含任务调度、内存管理、错误恢复、与存储系统交互等模块。Spark Core中还包含了对弹性分布式数据集( 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 配置文件 环境变量 试运行Python代码 二、Python编程练习：英文文本的词频统计 准备文本文件 读文件 预处理：大小写，标点符号，停用词 分词 统计每个单词出现的次数 按词频大小排序 结果写文件 阅读全文