摘要：
DataFrame的推出，让Spark具备了处理大规模结构化数据的能力，不仅比原有的RDD转化方式更加简单易用，而且获得了更高的计算性能。Spark能够轻松实现从MySQL到DataFrame的转化，并且支持SQL查询。 从上面的图中可以看出DataFrame和RDD的区别。RDD是分布式的 Jav 阅读全文
摘要：
1 package ML.collaborativeFilltering; 2 3 import org.apache.spark.SparkConf; 4 import org.apache.spark.api.java.JavaDoubleRDD; 5 import org.apache.spark.api.java.JavaPairRDD; 6 import org.apac... 阅读全文
摘要：
二分类：SVMs，logistic regression，decision trees，random forests，gradient-boosted trees，naive Bayes 多分类： logistic regression，decision trees，random forests， 阅读全文
摘要：
一， jar依赖，jsc创建。 二。Summary statistics 三。Correlations:相关性 三，Stratified sampling：分层抽样 四。Hypothesis testing 假设检验 五。Random data generation 六。Kernel density 阅读全文
摘要：
package ML.DataType; import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import org.apache.spark.mllib.linalg.*; import o... 阅读全文
摘要：
package action; import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaPairRDD; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import o... 阅读全文
摘要：
在java中，RDD分为javaRDDs和javaPairRDDs。下面分两大类来进行。 都必须要进行的一步。 一。javaRDDs 二。JavaPairRDDs. zip: 最后都要加上 aggregateByKey算子详解 repartitionAndSortWithinPartitions算子 阅读全文
摘要：
package transfor; import java.io.*; import java.net.HttpURLConnection; import java.net.URL; import java.util.ArrayList; public class demo { private static ArrayList filelist = new ArrayList(); ... 阅读全文
摘要：
python: java: 阅读全文
摘要：
1,首先确保hadoop和spark已经运行。（如果是基于yarn，hdfs的需要启动hadoop,否则hadoop不需要启动）。 2.打开idea，创建maven工程。编辑pom.xml文件。增加dependency. <dependency> <!-- Spark dependency --> 阅读全文