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 若没有装numpy库，需先执行以下命令再继续操作 sudo apt instal 阅读全文
posted @ 2022-03-16 17:05 斌BEN 阅读(244) 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。 1）SparkCore：类似于MR的分布式内存计算框架，最大的特点是将中间计算结果直接放在内存中，提升计算性能。自带了Standalone模式的资源管理框架，同时，也支持YARN、ME 阅读全文
posted @ 2022-03-09 16:53 斌BEN 阅读(113) 评论(0) 推荐(1)
2.安装Spark与Python练习
摘要：一、安装Spark 1、检查基础环境hadoop,jdk 启动hdfs查看进程 2、下载spark（省略，原来已下好Spark） 3、解压，文件夹重命名、权限（省略，原来已下好Spark） 4、配置文件 配置Spark的classPath，并加上最后一行代码 5、环境变量 6、试运行Python代码 阅读全文
posted @ 2022-03-02 16:37 斌BEN 阅读(69) 评论(0) 推荐(0)