摘要： 本篇博客中的操作都在 中执行。 RDD，即 弹性分布式数据集(Resilient Distributed Dataset) ，是Spark对数据的核心抽象。RDD是分布式元素的集合，对手的所有操作都可以概括为： 创建RDD 转化已有RDD 调用RDD操作进行求值 在这些操作中，Spark会自动将RD 阅读全文

摘要： 这里只使用Spark的Python操作和接口，其他语言应为不熟悉，所以先不写在这里。 Spark 部署 可以直接从官方网站下载 pre build 版本，可以直接在电脑上运行，离线安装也是可以的，比如说针对 Python 2.7 的[link](http://mirror.bit.edu.cn/ap 阅读全文