03 2022 档案

4.RDD操作
摘要：一、 RDD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 停止hdfs 3.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 转换操作 1.filter(func)显式定义函数lambda函数 阅读全文
posted @ 2022-03-22 15:57 sunny_LF 阅读(23) 评论(0) 推荐(0)
3.Spark设计与运行原理，基本操作
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 Core:核心组件，分布式计算引擎。其实现了Spark的作业调度、内存管理、容错、与存储系统交互等基本功能,并针对弹性分布式数据集（RDD）提供了丰富的操作。 Spark 阅读全文
posted @ 2022-03-15 16:08 sunny_LF 阅读(57) 评论(0) 推荐(0)
2.安装Spark与Python练习
摘要：一、安装Spark 1.检查基础环境hadoop,jdk 2.配置文件 3.配置环境变量 4.运行spark 5.运行spark 二、Python编程练习：英文文本的词频统计 1.准备文本文件 2.编写代码 3.运行结果 三、根据自己的编程习惯搭建编程环境 配置pycharm 运行 阅读全文
posted @ 2022-03-06 01:08 sunny_LF 阅读(21) 评论(0) 推荐(0)