赤兔胭脂小吕布

2022年3月11日

摘要： Spark SQL API DSL 代码 --> DSL ←- SQL package com.shujia.sql import org.apache.spark.sql.expressions.Window import org.apache.spark.sql.{DataFrame, Spar 阅读全文

posted @ 2022-03-11 22:08 赤兔胭脂小吕布阅读(165) 评论(0) 推荐(0) 编辑

Dataframe Data Source API、show()

摘要： Dataframe Data Source API 我们来看一下构建 Dataframe 的方式有哪些读取数据源，可以读哪些数据 package com.shujia.sql import org.apache.spark.sql.{DataFrame, SaveMode, SparkSessi 阅读全文

posted @ 2022-03-11 21:18 赤兔胭脂小吕布阅读(92) 评论(0) 推荐(0) 编辑

spark SQL、Dataframe、Dataframe 和 RDD 的区别、spark SQL WordCount

摘要：首先让我们来回顾一下 spark 的生态系统 spark SQL Dataframe 与RDD类似，DataFrame也是一个分布式数据容器。然而DataFrame更像传统数据库的二维表格，除了数据以外，还掌握数据的结构信息，即schema。同时，与Hive类似，DataFrame也支持嵌套数据类阅读全文

posted @ 2022-03-11 20:04 赤兔胭脂小吕布阅读(238) 评论(0) 推荐(0) 编辑

PageRank、图计算、图存储的两种方式

摘要： PageRank 网页排名算法什么是PageRank？ PageRank是Google专有的算法，用于衡量特定网页相对于搜索引擎索引中的其他网页而言的重要程度。是Google创始人拉里·佩奇和谢尔盖·布林于1997年创造的。 PageRank实现了将链接价值概念作为排名因素。如果一个网页可以被阅读全文

posted @ 2022-03-11 11:05 赤兔胭脂小吕布阅读(181) 评论(0) 推荐(0) 编辑

spark 累加器、广播变量、Executor 的结构

摘要： spark 累加器 package com.shujia.spark import java.lang import org.apache.spark.rdd.RDD import org.apache.spark.util.LongAccumulator import org.apache.spa 阅读全文

posted @ 2022-03-11 10:07 赤兔胭脂小吕布阅读(43) 评论(0) 推荐(0) 编辑

spark 缓存

摘要： spark 缓存 spark 比 MapReduce 快的一个原因 package com.shujia.spark import org.apache.spark.rdd.RDD import org.apache.spark.storage.StorageLevel import org.apa 阅读全文

posted @ 2022-03-11 00:10 赤兔胭脂小吕布阅读(92) 评论(0) 推荐(0) 编辑

2022年3月10日

spark 程序的执行架构、spark on yarn 中 client 模式和 cluster 模式提交任务(资源调度)的区别、宽依赖和窄依赖、spark 程序的结构、spark资源调度及任务调度原理图

摘要： spark 程序的执行架构任意的 spark 代码都可以分成两个部分算子里面和算子外面算子里面 -- task -- 在Executor中执行算子外面 -- 在Driver中执行 spark on yarn 中 client 模式和 cluster 模式提交任务(资源调度)的区别 Spa 阅读全文

posted @ 2022-03-10 22:31 赤兔胭脂小吕布阅读(72) 评论(0) 推荐(0) 编辑

2022年3月9日

spark pi（org.apache.spark.examples.SparkPi 原理）

摘要： spark pi org.apache.spark.examples.SparkPi 原理 package com.shujia.spark import org.apache.spark.rdd.RDD import org.apache.spark.{SparkConf, SparkContex 阅读全文

posted @ 2022-03-09 00:23 赤兔胭脂小吕布阅读(220) 评论(0) 推荐(0) 编辑

2022年3月8日

Spark Standalone -- 独立集群模式、Spark 提交任务的两种模式、spark在yarn上运行的环境搭建、自己写的spark代码如何提交到yarn上并运行

摘要： Spark Standalone -- 独立集群模式这里仅仅只是记录一下 Spark Standalone -- 独立集群模式如何搭建在公司一般不适用standalone模式，因为公司一般已经有yarn 不需要搞两个资源管理框架所以不需要搭建 Standalone 架构图 Standalon 阅读全文

posted @ 2022-03-08 23:52 赤兔胭脂小吕布阅读(446) 评论(0) 推荐(0) 编辑

2022年3月7日

spark 算子

摘要： spark 算子的分类转换算子 transformations 延迟执行--针对RDD的操作操作算子 Action 触发执行常用算子归纳程序示例 transformations map、mapPartitions、mapPartitionsWithIndex package com.shuj 阅读全文

posted @ 2022-03-07 23:56 赤兔胭脂小吕布阅读(63) 评论(0) 推荐(0) 编辑

赤兔胭脂小吕布

天行健，君子以自强不息！

公告