摘要：
综合练习：学生课程分数 网盘下载sc.txt文件，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: 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、每门课程有多少个学生选？ 5、每门课程>95分的学生人数 6、课程'Py 阅读全文
摘要：
1.请分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 因为关系数据库已经很流行，而且关系数据库在大数据时代已经不能满足要求。首先，用户需要从不同数据源执行各种操作，包括结构化、半结构化和非结构化数据。其次，用户需要执行高级分析，比如机器学习和图像处理。在实际大数据应用中，经常需 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() 多个考勤文件，签到日期汇总，出勤次数统计 三、综合练习： 阅读全文
摘要：
一、词频统计 A. 分步骤实现 1、准备文件 1、下载小说或长篇新闻稿 2、上传到hdfs上 2、读文件创建RDD 3、分词 4、 标点符号re.split(pattern,str)，flatMap(), 排除大小写lower()，map() 停用词,可网盘下载stopwords.txt,filte 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 启动hdfs 上传、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 numpy生成数组 二、 RDD操作 转换操作 1、filter(func)显式定义函数 lambda函 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。 组件介绍 1 . Spark Core： Spark的核心组件，其操作的数据对象是RDD（弹性分布式数据集），图中在Spark Core上面的四个组件都依赖于Spark Core，可以 阅读全文
摘要：
一、安装Spark 1、检查基础环境hadoop,jdk 2、下载spark （省略，原来已下好） 3、解压，文件夹重命名、权限 （省略，原来已下好） 4、配置文件 5、环境变量 6、试运行Python代码 试运行spaark python命令测试 二、Python编程练习：英文文本的词频统计 1、 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。 Hadoop的核心是YARN,HDFS和Mapreduce 下图是hadoop生态系统，集成spark生态圈。在未来一段时间内，hadoop将于spark共存，hadoop与spark都能部署在yarn 阅读全文