摘要: https://www.cnblogs.com/ws1208/p/14859365.html 07 从RDD创建DataFrame https://www.cnblogs.com/ws1208/p/14859359.html 06 Spark SQL 及其DataFrame的基本操作 https:/ 阅读全文
posted @ 2021-06-07 16:39 gannina 阅读(44) 评论(0) 推荐(0) 编辑
摘要: 1.pandas df 与 spark df的相互转换 df_s=spark.createDataFrame(df_p) df_p=df_s.toPandas() 2. Spark与Pandas中DataFrame对比 Pandas Spark 工作方式 单机single machine tool, 阅读全文
posted @ 2021-06-07 16:27 gannina 阅读(154) 评论(0) 推荐(0) 编辑
摘要: 1.Spark SQL的前身是 Shark,Shark最初是美国加州大学伯克利分校的实验室开发的Spark生态系统的组件之一,它运行在Spark系统之上,Shark重用了Hive的工作机制,并直接继承了Hive的各个组件, Shark将SQL语句的转换从MapReduce作业替换成了Spark作业, 阅读全文
posted @ 2021-06-07 16:26 gannina 阅读(28) 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 @ 2021-06-07 16:25 gannina 阅读(12) 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 6.练习一的生成单词键值对 阅读全文
posted @ 2021-06-07 16:22 gannina 阅读(25) 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。 netstat -tunlp (3306) 2、spark 连接mysql驱动程序。 –cp /usr/local/hive/lib/mysql-connector-java-5.1.40-bin.jar /usr/local/spa 阅读全文
posted @ 2021-05-31 15:34 gannina 阅读(25) 评论(0) 推荐(0) 编辑
摘要: 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? Tom选修了几门课?每门课多少分? Tom的成绩按分数大小排序。 Tom的平均分。 求每门课的平均分,最高分,最低分。 求每门课的选修人数及平均分,精确到2位小数。 每门课的不及 阅读全文
posted @ 2021-05-26 22:21 gannina 阅读(16) 评论(0) 推荐(0) 编辑
摘要: 1.Spark SQL的前身是 Shark,Shark最初是美国加州大学伯克利分校的实验室开发的Spark生态系统的组件之一,它运行在Spark系统之上,Shark重用了Hive的工作机制,并直接继承了Hive的各个组件, Shark将SQL语句的转换从MapReduce作业替换成了Spark作业, 阅读全文
posted @ 2021-05-10 16:16 gannina 阅读(61) 评论(0) 推荐(0) 编辑
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,请简述Spark生态系统。 spark生态系统称为BDAS(伯努利数据分析栈),本文旨在简单介绍Spark生态系统中一些常用的组件,让大家对Spark生态系统(BDAS)有个简单的了解,知道什么组件能做什么事情 Spark生态系统(BD 阅读全文
posted @ 2021-03-14 23:31 gannina 阅读(23) 评论(0) 推荐(0) 编辑