摘要：
网盘下载sc.txt文件，创建RDD，并转换得到DataFrame。 分别用DataFrame操作和spark.sql执行SQL语句实现以下数据分析: 总共有多少学生？ 开设了多少门课程？ 每个学生选修了多少门课？ 每门课程有多少个学生选？ 每门课程>95分的学生人数 有多少个100分？ Tom选修 阅读全文
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
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
摘要：
4RDD 一、 RDD创建 1.从本地文件系统中加载数据创建RDD 2.从HDFS加载数据创建 3.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 1. map(func) 2. filter(func) 行动操作 1.foreach(print) 阅读全文
摘要：
一、 RDD创建 1.从本地文件系统中加载数据创建RDD 2.从HDFS加载数据创建 3.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 1. map(func) 2. filter(func) 行动操作 1.foreach(print) 2.col 阅读全文
摘要：
一、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： Spark核心组件，它实现了Spark的基本功能，包含任务调度、内存管理、错误恢复、与存储系统交互等模块。Spark Core中还包含了对弹性分布式数据集(Res 阅读全文
摘要：
一、安装并配置Spark 1.首先检查一下java和hadoop的环 2.下载spark 3.解压spark安装包，对文件夹重命名，复制配置文件 4.对配置文件进行修改 3.配置好环境变量之后，进行 source ~/.bashrc 5.配置好环境之后就可以启动spark了， 6.输入python代 阅读全文
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。 1、HDFS（hadoop分布式文件系统） 是hadoop体系中数据存储管理的基础。他是一个高度容错的系统，能检测和应对硬件故障。 client：切分文件，访问HDFS，与namenode交互，获取文件 阅读全文