摘要： 总共有多少学生？ 总共开设了多少门课程？ 每个学生选修了多少门课？ 每门课程有多少个学生选？ 每门课程>95分的学生人数课程'Python'有多少个100分？ Tom不及格的课程数？ Tom的成绩按分数大小排序。 Tom选修了哪几门课？ Tom的平均分。 'OperatingSystem'不及格人数 阅读全文

摘要： 7.Spark SQL 1.分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 Spark SQL是Spark用来处理结构化数据的一个模块，它提供了一个叫作Data Frame的编程抽象结构数据模型(即带有Schema信息的RDD)，Spark SQL作为分布式SQL查询引擎，让用 阅读全文

摘要： 三、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(), count() 开设了多少门课程？ 生成（姓名，课程分数）键值对RDD，观察keys(),values() 每个学生选修了多少门课？ma 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 读文件创建RDD 分词 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fi 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R 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 2.map(func) 显式定义函数lambda函数 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 CoreSpark Core是整个BDAS的核心组件，是一种大数据分布式处理框架，不仅实现了MapReduce的算子map函数和reduce函数及计算模型，还提供如f 阅读全文

摘要： 作业二：1.安装Spark 2.Python编程练习 3.根据自己的编程习惯搭建编程环境 1.安装Spark 检查基础环境hadoop,jdk 配置文件 vim /usr/local/spark/conf/spark-env.sh 环境变量 # 修改环境变量 vim ~/.bashrc # 加载修改 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(Hadoop 分布式文件系统) Hadoop两大核心组成部分，也是可以进行兼容廉价的硬件设备 2.MapReduce 是一种分布式并行编程模型。可以进行海量数据集 3.YARN Hado 阅读全文