摘要: 1.选择使用什么数据,有哪些字段,多大数据量。 答:us-counties美新冠数据;字段:date,county,state,cases,deaths;数据量:158981条 2.准备分析哪些问题?(8个以上) 1.美国各州每日新增感染人数,各州每日新增死亡人数,各州每日新增治愈人数 2.美国各州 阅读全文
posted @ 2021-06-07 19:56 杨振强 阅读(28) 评论(0) 推荐(0) 编辑
摘要: 1.安装启动检查Mysql服务。netstat -tunlp (3306) service mysql start sudo netstat -tap | grep mysql 2.spark 连接mysql驱动程序。 –cp /usr/local/hive/lib/mysql-connector- 阅读全文
posted @ 2021-05-31 20:07 杨振强 阅读(517) 评论(1) 推荐(0) 编辑
摘要: 读学生课程分数文件chapter4-data01.txt,创建DataFrame 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: 总共有多少学生? 总共开设了哪些课程? 每个学生选修了多少门课? 每门课程有多少个学生选? 每门课程大于95分的学生人数? 阅读全文
posted @ 2021-05-20 21:35 杨振强 阅读(30) 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 @ 2021-05-14 20:55 杨振强 阅读(34) 评论(0) 推荐(0) 编辑
摘要: 1.Spark SQL出现的原因是什么? Spark SQL刚开始也是使用了hive里面一些东西的,但是Spark SQL里面的hive版本肯定要比hive社区理的版本要低一些的,那么hive里面有的东西,比如说原来跑在mapreduce之上已有的一些功能,如果你使用hive on spark的话他 阅读全文
posted @ 2021-05-10 17:06 杨振强 阅读(218) 评论(0) 推荐(0) 编辑
摘要: 读文本文件生成RDD lines 将一行一行的文本分割成单词 words flatmap() 全部转换为小写 lower() 去掉长度小于3的单词 filter() 去掉停用词 转换成键值对 map() 统计词频 reduceByKey() 按字母顺序排序 sortBy(f) 按词频排序 sortB 阅读全文
posted @ 2021-04-19 13:39 杨振强 阅读(54) 评论(0) 推荐(0) 编辑
摘要: 一、词频统计: 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 flatmap() 3.全部转换为小写 lower() 4.去掉长度小于3的单词 filter() 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 阅读全文
posted @ 2021-04-05 21:41 杨振强 阅读(39) 评论(0) 推荐(0) 编辑
摘要: 一、filter,map,flatmap练习: 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 6.练习一的生成单词键值对 7.对单词进行分组 8.查看分组结果 学生科目成绩 阅读全文
posted @ 2021-03-31 21:08 杨振强 阅读(30) 评论(0) 推荐(0) 编辑
摘要: 1. 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 @ 2021-03-28 17:29 杨振强 阅读(26) 评论(0) 推荐(0) 编辑
摘要: 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。 Hadoop是一个能够对大量数据进行分布式处理的软件框架。具有可靠、高效、可伸缩的特点。 Hadoop的核心是HDFS和MapReduce,hadoop2. 阅读全文
posted @ 2021-03-14 16:39 杨振强 阅读(78) 评论(0) 推荐(0) 编辑