丘桂玲

摘要： 111 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的前身是Shark，是给MapReduce的技术人员提供快速上手的工具。Hive是基于Hadoop之上的一个开源的工具，它提供的就是类似于SQL的一种HQL语言，它的好处就是可以直接把你的SQL语句转换成Map 阅读全文

摘要： 1.集合运算练习 RDD转换操作--union()：并集--intersection()：交集--subtract()：差集--cartesian()：笛卡尔积 三、学生课程分数 持久化 scm.cache() 总共有多少学生？map(), distinct(), count() 开设了多少门课程？ 阅读全文

摘要： 一、词频统计 A.分步骤实现 1.准备文件 a.下载小说或长篇新闻稿 直接复制小说粘贴到txt文件 b.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stopwo 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生态系统的组成及各组件的功能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 2.请详细阐述Spark的几个主要概念及相互关系： Master, Worker; RDD,DAG; Application, job,stag 阅读全文

摘要： 1.安装Spark 检查基础环境hadoop,jdk 配置文件 vim /usr/local/spark/conf/spark-env.sh 3.环境变量 vim ~/.bashrc source ~/.bashrc 4.试运行Python代码 二、Python编程练习：英文文本的词频统计 1.准备 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。 2.对比Hadoop与Spark的优缺点 3.如何实现Hadoop与Spark的统一部署？ 在YARN之上统一部署,Hadoop Spark等组件都可以运行在资源管理框架YARN之上. 阅读全文