摘要: 1.选择使用什么数据,有哪些字段,多大数据量。 选用美国新冠数据集,变量有日期(date),县(county), 国家、州(state),确诊情况(cases),死亡人数(deaths),共158981条数据。 2.准备分析哪些问题?(8个以上) (1) 统计美国截止每日的累计确诊人数和累计死亡人数 阅读全文
posted @ 2021-06-11 15:47 嘁嘁嘁7 阅读(21) 评论(0) 推荐(0) 编辑
摘要: spark连接mysql数据库: 1.安装启动检查Mysql服务。 2.spark 连接mysql驱动程序。 –cp /usr/local/hive/lib/mysql-connector-java-5.1.40-bin.jar /usr/local/spark/jars netstat -tunl 阅读全文
posted @ 2021-05-31 09:24 嘁嘁嘁7 阅读(17) 评论(0) 推荐(0) 编辑
摘要: 用DataFrame的操作或SQL语句完成以下数据分析要求,并和用RDD操作的实现进行对比: 每个分数+5分。 2.总共有多少学生? 3.总共开设了哪些课程? 4.每个学生选修了多少门课? 5.每门课程有多少个学生选? 6.每门课程大于95分的学生人数? 7.Tom选修了几门课?每门课多少分? 8. 阅读全文
posted @ 2021-05-19 22:19 嘁嘁嘁7 阅读(11) 评论(0) 推荐(0) 编辑
摘要: 1.pandas df 与 spark df的相互转换 3.1 利用反射机制推断RDD模式 sc创建RDD 转换成Row元素,列名=值 spark.createDataFrame生成df df.show(), df.printSchema() 3.2 使用编程方式定义RDD模式 生成“表头” fie 阅读全文
posted @ 2021-05-13 22:04 嘁嘁嘁7 阅读(25) 评论(0) 推荐(0) 编辑
摘要: 1.Spark SQL出现的 原因是什么? Shark是Spaek SQL的前身,Shark提供了类似于Hive的功能,与Hive不同的是,Shark把SQL语句转换成Spark作业,而不是MapReduce作业,Shark的设计导致了两个问题:(1)执行计划优化完全依赖于Hive,不便于添加新的优 阅读全文
posted @ 2021-05-09 22:03 嘁嘁嘁7 阅读(27) 评论(0) 推荐(0) 编辑
摘要: 按字母顺序排序 sortBy(f) 按词频排序 sortByKey() 二、学生课程分数案例 总共有多少学生?map(), distinct(), count() 开设了多少门课程? 每个学生选修了多少门课?map().countByValue() //map(), countByKey() 每门课 阅读全文
posted @ 2021-04-21 22:46 嘁嘁嘁7 阅读(15) 评论(0) 推荐(0) 编辑
摘要: 一、词频统计: 1.读文本文件生成RDD 2.将文本分割成单词 words 3.全部转换为小写 4.去掉长度小于3的单词 5.去掉停用词 6.转换成键值对 map() 7.统计词频 reduceByKey() 二、学生课程分数 groupByKey() -- 按课程汇总全总学生和分数 1. 分解出字 阅读全文
posted @ 2021-04-05 11:12 嘁嘁嘁7 阅读(27) 评论(0) 推荐(0) 编辑
摘要: 1.读文本文件生成RDD lines 2.将一行一行的文本分割成单词 words 3.全部转换为小写 4.去掉长度小于3的单词 5.去掉停用词 二、groupByKey练习 1.练习一的生成单词键值对 2.对单词进行分组 3.查看分组结果 学生科目成绩文件练习: 0.数据文件上传 1.读大学计算机系 阅读全文
posted @ 2021-03-31 21:41 嘁嘁嘁7 阅读(32) 评论(0) 推荐(0) 编辑
摘要: .准备文本文件,从文件创建RDD lines=sc.textFile(),筛选出含某个单词的行 lines.filter(),lambda 参数:条件表达式 2.生成单词的列表,从列表创建RDD words=sc.parallelize(),筛选出长度大于2 的单词 words.filter() 3 阅读全文
posted @ 2021-03-27 22:14 嘁嘁嘁7 阅读(17) 评论(0) 推荐(0) 编辑
摘要: 1. 阐述Hadoop生态系统中,HDFS, MapReduce, Yarn, Hbase及Spark的相互关系,为什么要引入Yarn和Spark。 答: Hadoop对应于Google三驾马车:HDFS对应于GFS,即分布式文件系统,MapReduce即并行计算框架,HBase对应于BigTabl 阅读全文
posted @ 2021-03-12 15:41 嘁嘁嘁7 阅读(39) 评论(0) 推荐(0) 编辑