2024年大数据最新Python大数据之PySpark(一)SparkBase_spark学pyspark可以吗(1)，2024年最新字节跳动今日学习内容

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

1-速度快

2-非常好用

3-通用性

4-运行在很多地方

Spark 框架模块了解

• Spark框架通信使用Netty框架，通信框架
• Spark数据结构：核心数据RDD(弹性 分布式Distrubyte 数据集dataset)，DataFrame
• Spark部署模式(环境搭建)
• 
• local
  • local 单个线程
  • local[*] 本地所有线程
  • local【k】 k个线程
  • Spark的RDD有很多分区，基于线程执行分区数据计算，并行计算
• 
• standalone
• StandaloneHA
• Yarn

Spark环境搭建-Local

基本原理

1-Spark的Local模式使用的是单机多线程的方式模拟线程执行Spark的计算任务

2-Spark的local[1] 1个线程执行计算 local[*]本地的所有线程模拟

安装包下载

1-搞清楚版本,本机一定得搭建Hadoop集群(Hadoop3.3.0)

2-上传到Linux中，spark3.1.2-hadoop3.2-bin.tar.gz

3-解压Spark的压缩包

tar -zxvf xxx.tar.gz -C /export/server

ln -s spark-3.1.2-bin-hadoop3.2/ /export/server/spark

4-更改配置文件

这里对于local模式，开箱即用

5-测试

spark-shell方式 使用scala语言

pyspark方式 使用python语言

上午回顾：

为什么要学习Spark？

• 答案：首先Spark是基于Hadoop1.x改进的大规模数据的计算引擎，Spark提供了多种模块，比如机器学习，图计算
• 数据第三代计算引擎

什么是Spark？

• Spark是处理大规模数据的计算引擎
• 1-速度快，比Hadoop块100倍(机器学习算法) 2-易用性(spark.read.json) 3-通用性 4-run anywhere

Spark有哪些组件？

• 1-SparkCore—以RDD(弹性，分布式，数据集)为数据结构
• 2-SparkSQL----以DataFrame为数据结构
• 3-SparkStreaming----以Seq[RDD]，DStream离散化流构建流式应用
• 4-结构化流structuredStreaming—DataFrame
• 5-SparkMllib，机器学习，以RDD或DataFrame为例
• 6-SparkGraphX，图计算，以RDPG弹性分布式属性图

Spark有哪些部署方式？

• local模式
• standalone模式(独立部署模式)
• standaloneHA模式（高可用模式）
• Yarn模式(Hadoop中分布式资源调度框架)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！