摘要： 1.请分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 Spark SQL 的前身是 Shark ，即"Hive on Spark"，由 Reynold Xin 主导开发。Spark SQL 抛弃原有 Shark 的架构方式，但汲取了 Shark 的一些优点，如内存列存储( In 阅读全文

摘要： 集合运算练习union()， intersection()，subtract(), cartesian() 内连接与外连接join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin() 三、综合练习：学生课程分数 网盘下载sc.txt文件，通过R 阅读全文

摘要： A分步骤实现： 1.准备文件 1.下载小说或长篇新闻稿 2.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stopwords.txt,filter()， 长度小 阅读全文

摘要： 一、RDD的创建 1.从本地文件系统中加载数据创建RDD 2.从HDFS加载数据创建RDD、启动hdfs、上传文件、查看文件、加载 3.通过并行集合（列表）创建RDD 二、RDD的操作 转换操作 1.filter(func) lambda函数 显式定义函数 2.map(func) 显式定义函数lam 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。 Spark生态系统由：Spark SQL、Spark Streaming、MLlib、GraphX、Apache Spark组成，如图一所示 图1 Spark Spark SQL： S 阅读全文

摘要： 一、安装Spark 1.检查基础环境hadoop,jdk 2.配置文件 3.环境变量 4.在spark中试运行python代码 二、Python编程练习：英文文本的词频统计 1.准备文本文件 2.源代码 import stringfrom os import pathwith open(r'F:\大 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。 组件1：HDFS，作用：分布式文件系统，存储是hadoop体系的基础。 组件2：MapReduce，作用：作为一种计算模型，用来大数据的计算。 组件3：Yarn，作用：改善MapReduce的缺陷，是另 阅读全文