会员
周边
捐助
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
罗业斌
博客园
|
首页
|
新随笔
|
新文章
|
联系
|
订阅
|
管理
2022年5月24日
8. SparkSQL综合作业
摘要: 准备: 创建RDD,并转换为DataFrame;scm持久化;创建spark.sql临时表等预处理: 1.总共有多少学生? RDD DataFrame spark.sql 2.开设了多少门课程? RDD DataFrame spark.sql 3.每个学生选修了多少门课? RDD DataFrame
阅读全文
posted @ 2022-05-24 08:59 罗业斌
阅读(81)
评论(0)
推荐(0)
编辑
2022年5月9日
7.Spark SQL
摘要: 1.请分析SparkSQL出现的原因,并简述SparkSQL的起源与发展。 因为关系数据库已经很流行,而且关系数据库在大数据时代已经不能满足要求。首先,用户需要从不同数据源执行各种操作,包括结构化、半结构化和非结构化数据。其次,用户需要执行高级分析,比如机器学习和图像处理。在实际大数据应用中,经常需
阅读全文
posted @ 2022-05-09 17:45 罗业斌
阅读(26)
评论(0)
推荐(0)
编辑
2022年4月19日
6. RDD综合练习:更丰富的操作
摘要: 集合运算练习 union(), intersection(),subtract(), cartesian() 内连接与外连接 join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin() 多个考勤文件,签到日期汇总,出勤次数统计 三、综合练习:
阅读全文
posted @ 2022-04-19 17:20 罗业斌
阅读(14)
评论(0)
推荐(0)
编辑
2022年4月12日
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 启动hdfs 上传文件并查看 2.读文件创建RDD 创建SparkContext以及从文件系统中加载数据创建RDD 与原txt文件对比 3.分词 4.标点符号re.split(pattern,str),flat
阅读全文
posted @ 2022-04-12 00:18 罗业斌
阅读(9)
评论(0)
推荐(0)
编辑
2022年3月27日
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 创建SparkContext以及从文件系统中加载数据创建RDD 与原txt文件对比 2.从HDFS加载数据创建RDD 启动hdfs 上传文件 查看文件 加载 停止hdfs 3.通过并行集合(列表)创建RDD 输入列表、字符串、生成数组 二、
阅读全文
posted @ 2022-03-27 19:49 罗业斌
阅读(14)
评论(0)
推荐(0)
编辑
2022年3月11日
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。 ·Spark Core:BDAS生态系统的核心组件,是一种大数据分布式处理框架,提供了多种资源调度管理,通过内存计算、有向无环图(DAG)等机制保证分布式计算的快速,并引入了RDD的抽
阅读全文
posted @ 2022-03-11 16:12 罗业斌
阅读(17)
评论(0)
推荐(0)
编辑
2022年3月6日
2.安装Spark与Python练习
摘要: 一、安装Spark 1.检查基础环境hadoop和jdk 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='/ho
阅读全文
posted @ 2022-03-06 17:31 罗业斌
阅读(21)
评论(0)
推荐(0)
编辑
2022年2月22日
1.大数据概述
摘要: 1. 2. (1)Spark对标于Hadoop中的计算模块MR,但是速度和效率比MR要快得多; (2)Spark没有提供文件管理系统,所以,它必须和其他的分布式文件系统进行集成才能运作,它只是一个计算分析框架,专门用来对分布式存储的数据进行计算处理,它本身并不能存储数据; (3)Spark可以使用H
阅读全文
posted @ 2022-02-22 10:35 罗业斌
阅读(43)
评论(1)
推荐(0)
编辑
公告