yeseare

摘要： 1.分析SparkSQL出现的原因，并简述SparkSQL的起源与发展。 SparkSQL出现的原因: SparkSQL的前身Shark对于Hive的太多依赖（如采用Hive的语法解析器、查询优化器等等），制约了Spark的One Stack Rule Them All的既定方针，制约了Spark各 阅读全文

摘要： 补交第五次作业，链接 https://www.cnblogs.com/n1254088/p/16115063.html 集合运算练习 union()， intersection()，subtract(), cartesian() >>> rdd1 = sc.parallelize('abcd') > 阅读全文

摘要： 一、词频统计 A. 分步骤实现 1、准备文件 下载小说或长篇新闻稿 上传到hdfs上 start-all.sh hdfs dfs -put 666.txt hdfs dfs -ls 2、读文件创建RDD >>> lines = sc.textFile("/home/hadoop/666.txt") 阅读全文

摘要： 一、 RDD创建 从本地文件系统中加载数据创建RDD 从HDFS加载数据创建RDD启动hdfs 上传、查看文件 加载 停止hdfs 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 filter(func)显式定义函数 lambda函数 map(func 阅读全文

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。 Spark的生态系统主要包含了Spark Core、Spark SQL、Spark Streaming、Structured Streaming、MLlib和GraphX等组件。 图1 阅读全文

摘要： 1、检查基础环境hadoop,jdk 启动hdfs查看进程 2、下载spark（已完成，略） 3、解压，文件夹重命名、权限（已完成，略） 4、配置文件（已完成，略） 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、准备文本文件 2、读文件 path='/h 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是hadoop的分布式文件系统，用于数据的存储和管理。 （2)，mapreduce是分布式计算框架，用于处理和计算大量的数据。 （3)， hive是基于hadoop的数据仓库，用于将sq 阅读全文