educoder pyspark习题，2024年最新高级大数据开发面试题及答案

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

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

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

HDFS 通信端口：9000

测试说明

平台将对你编写的代码进行评测，如果与预期结果一致，则通关，否则测试失败。

答案：

命令行：

start-all.sh

 hdfs dfs -put /data/bigfiles/word.txt /

vim count.py

count.py代码：

# -\*- coding: utf-8 -\*-
from pyspark import SparkContext

################ Begin ################

# 创建SparkContext对象
sc = SparkContext("local", "LineCountApp")

# 读取HDFS上的文本文件
textFile = sc.textFile("hdfs://localhost:9000/word.txt")

# 计算行数
lineCount = textFile.count()

# 打印行数
print("\n该文件的总行数为：%d" % lineCount)

# 关闭SparkContext对象
sc.stop()

################ End ################

命令行：

spark-submit count.py > /root/result.txt

答案参考自张健老师

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。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）

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！

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！*