摘要：
step1：下载navicat：https://pan.baidu.com/s/1QU3u2QwdHDd_txbNzqV4iw?pwd=3ywc step2：安装navicat 编辑 编辑 编辑 编辑 编辑 编辑 step3：下载破解工具：https://pan.baidu 阅读全文
摘要：
综合练习：学生课程分数 网盘下载sc.txt文件，创建RDD，并转换得到DataFrame。 RDD操作见https://www.cnblogs.com/Kiranar/p/16138625.html 同一操作插入sql/dataframe操作图，sql在下，dataframe在上 datafram 阅读全文
摘要：
1.请分析一下SparkSQL出现的原因，并简述SparkSQL的起源与发展。 1.1出现原因 SparkSQL出现是因为关系数据库已经不能满足各种在大数据时代新增的用户需求。首先，用户需要在不同的结构化和非结构化数据中执行各种操作。其次，用户需要执行像机器学习和图像处理等等高级分析，在实际应用中， 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() 多个考勤文件，签到日期汇总，出勤次数统计 三、综合练习： 阅读全文
摘要：
一、词频统计 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() 清除多出来的空白数据 停用词,可网盘下载stopwords. 阅读全文
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 1、转换操作 filter(func) 显式定义函数 lambda 阅读全文
摘要：
一、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： Spark核心组件，它实现了Spark的基本功能，包含任务调度、内存管理、错误恢复、与存储系统交互等模块。Spark Core中还包含了对弹性分布式数据集(Res 阅读全文
摘要：
一、安装Spark 1、检查基础环境hadoop、jdk 2、下载Spark（略） 3、解压、文件夹重命名、权限（略） 4、配置文件 5、环境变量 6、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 2、编写代码 3、运行结果 阅读全文
摘要：
1.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。 （1）HDFS分布式文件系统 HDFS可以兼容廉价的硬件设备，利用较低成本的及其实现大流量和大数据量的读写。 （2）MapReduce MapReduce是分布式并行编程模型，用户大规模数据集的并行计算 阅读全文