2022年6月7日

7.Spark SQL

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 hive是shark的前身,shark是sparkSQL的前身,sparkSQL产生的根本原因是其完全脱离了hive的限制,hive是hive SQL转换成MapReduce然后提交到集群上执行,大 阅读全文

posted @ 2022-06-07 17:31 why、小王 阅读(28) 评论(0) 推荐(0) 编辑

2022年4月20日

6. RDD综合练习:更丰富的操作

摘要: 网盘下载sc.txt文件,通过RDD操作实现以下数据分析:一、集合运算练习 1.union(),intersection(),subtract(), cartesian() 二、内连接与外连接 1.join(), leftOuterJoin(), rightOuterJoin(), fullOute 阅读全文

posted @ 2022-04-20 21:23 why、小王 阅读(35) 评论(0) 推荐(0) 编辑

2022年4月6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,下载小说或长篇新闻稿 2.上传到hdfs上 3.读文件创建RDD 4.分词 5.排除大小写lower(),map() 6.标点符号re.split(pattern,str),flatMap(),停用词,可网盘下载stopwords.txt,filter( 阅读全文

posted @ 2022-04-06 21:48 why、小王 阅读(27) 评论(0) 推荐(0) 编辑

2022年3月21日

4.RDD操作

摘要: 一、 RDD创建 从本地文件系统中加载数据创建RDD将本地文件TextOne.txt中的数据导入RDD中 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 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 1.转换操作 ma 阅读全文

posted @ 2022-03-21 21:50 why、小王 阅读(86) 评论(0) 推荐(0) 编辑

2022年3月10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。 结构图如下: 通过上面图片可以看出,Spark生态系统主要包含Spark Core、Spark SQL、Spark Streaming、MLib、GraphX以及独立调度器,下面对上述 阅读全文

posted @ 2022-03-10 22:09 why、小王 阅读(38) 评论(0) 推荐(0) 编辑

2022年3月2日

2.安装Spark与Python练习

摘要: 一、安装Spark 检查基础环境hadoop,jdk 2.下载spark 已安装,故省略! 3.解压,文件夹重命名、权限 已安装,故省略! 4.配置文件 5.配置环境变量 6.启动pyspark 7.测试pyspark: 二、Python编程练习:英文文本的词频统计 1.需处理文本内容: 2.处理文 阅读全文

posted @ 2022-03-02 15:01 why、小王 阅读(48) 评论(0) 推荐(0) 编辑

2022年2月28日

大数据概述:

摘要: 一.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生态系统t通过多年的累计和发展不断完善并成熟,目前已经包括了多个子项目,除了核心的HDFS和MapReduce以外,Hadoop生态系统还包括要ZoopKer、HBase、Hive、Pig、 阅读全文

posted @ 2022-02-28 21:12 why、小王 阅读(52) 评论(0) 推荐(0) 编辑

导航