摘要:
1.分析SparkSQL出现的原因,并简述SparkSQL的起源与发展。 2. 简述RDD 和DataFrame的联系与区别。 3.DataFrame的创建与保存 3.1 PySpark-DataFrame创建: spark.read.text(url) spark.read.json(url) s 阅读全文
摘要:
集合运算练习 union(), intersection(),subtract(), cartesian() 三、学生课程分数 网盘下载sc.txt文件,通过RDD操作实现以下数据分析: 持久化 scm.cache() 总共有多少学生?map(), distinct(), count() 开设了多少 阅读全文
摘要:
一、词频统计 a.分步骤实现 准备文件 下载小说或长篇新闻稿 上传到hdfs上 读文件创建RDD 分词 排除大小写,标点符号,停用词 统计 排序 输出到文件 查看结果 搜索b.一句话实现b.一句话实现 复制 b.一句话实现 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 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 map(func)显式定义函数 lambda函数 行动操作 foreach(pri 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。 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,stage,task; driver,execu 阅读全文
摘要:
1.安装Spark 检查基础环境hadoop,jdk 配置文件 环境变量 运行python代码 2.python编程练习 准备文本 读文件 预处理:大小写,标点符号,停用词分词统计每个单词出现的次数按词频大小排序结果写文件 with open("data.txt", "r") as f: text= 阅读全文