摘要： 1.分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 SparkSQL出现的原因 hive是shark的前身，shark是sparkSQL的前身，sparkSQL产生的根本原因是其完全脱离了hive的限制，hive是hive SQL转换成MapReduce然后提交到集群上执行，大 阅读全文

摘要： 网盘下载sc.txt文件，通过RDD操作实现以下数据分析:一、集合运算练习 1.union()，intersection()，subtract(), cartesian() 二、内连接与外连接 1.join(), leftOuterJoin(), rightOuterJoin(), fullOute 阅读全文

摘要： 一、词频统计 A. 分步骤实现 1.准备文件，下载小说或长篇新闻稿 2.上传到hdfs上 3.读文件创建RDD 4.分词 5.排除大小写lower()，map() 6.标点符号re.split(pattern,str)，flatMap(),停用词,可网盘下载stopwords.txt,filter( 阅读全文

摘要： 一、 RDD创建 从本地文件系统中加载数据创建RDD将本地文件TextOne.txt中的数据导入RDD中 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 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 1.转换操作 ma 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。 结构图如下： 通过上面图片可以看出，Spark生态系统主要包含Spark Core、Spark SQL、Spark Streaming、MLib、GraphX以及独立调度器，下面对上述 阅读全文

摘要： 一、安装Spark 检查基础环境hadoop,jdk 2.下载spark 已安装，故省略！ 3.解压，文件夹重命名、权限 已安装，故省略！ 4.配置文件 5.配置环境变量 6.启动pyspark 7.测试pyspark： 二、Python编程练习：英文文本的词频统计 1.需处理文本内容： 2.处理文 阅读全文

摘要： 一.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生态系统t通过多年的累计和发展不断完善并成熟，目前已经包括了多个子项目，除了核心的HDFS和MapReduce以外，Hadoop生态系统还包括要ZoopKer、HBase、Hive、Pig、 阅读全文