热心网友小鹏

2.安装spark，7.Spark SQL

摘要： 2.安装spark 一、安装Spark 1.检查基础环境启动hdfs查看进程查看hadoop和jdk环境 2.下载spark 3.配置环境变量 4.启动spark 5.试运行python代码 7.Spark SQL 1.请分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。因为阅读全文

posted @ 2022-06-06 22:52 热心网友小鹏阅读(335) 评论(0) 推荐(0) 编辑

6. RDD综合练习：更丰富的操作

摘要：一、集合运算练习 union()， intersection()，subtract(), cartesian() 二、内连接与外连接 join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin() 数据：多个考勤文件，签到日期汇总，出勤次数统计阅读全文

posted @ 2022-04-19 22:00 热心网友小鹏阅读(31) 评论(0) 推荐(0) 编辑

5.RDD操作综合实例

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(), 停用词,stopwords.txt,filter()，长阅读全文

posted @ 2022-04-08 21:39 热心网友小鹏阅读(14) 评论(0) 推荐(0) 编辑

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 1.启动hdfs 2.上传、查看文件 3.加载 4.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) 显式定阅读全文

posted @ 2022-03-22 09:30 热心网友小鹏阅读(29) 评论(0) 推荐(0) 编辑

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. Spark CoreSpark Core是整个BDAS的核心组件，是一种大数据分布式处理框架，不仅实现了MapReduce的算子map函数和reduce函数及计算模型，还提供如f 阅读全文

posted @ 2022-03-14 23:46 热心网友小鹏阅读(22) 评论(0) 推荐(0) 编辑

1.大数据概述

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。 Hadoop生态图： 1.HDFS 分布式文件系统 Hadoop分布式文件系统HDFS是针对谷歌分布式文件系统（Google File System,GFS）的开源实现，它是Hadoop两大核心组成部分阅读全文

posted @ 2022-02-25 11:51 热心网友小鹏阅读(31) 评论(0) 推荐(0) 编辑