pyspark的电影统计-spark数据项目一

该博客基于搭建好的Hadoop-spark集群（docker下搭建），感兴趣的可以去看怎么搭建https://blog.csdn.net/Destiny_where/article/details/135589182

项目介绍：提取CSV中的电影基础数据和电影评分数据，写成spark临时表并通过sql计算 前十 的电影评分。

数据下载：https://download.csdn.net/download/Destiny_where/88878744，该博客使用到了 movies.csv 和 ratings.csv 两个数据文件。

流程：

1. 上传movies.csv数据到hdfs:hadoop fs -put movies.csv /
2. 使用 hdfs dfs -ls /查看刚刚上传的文件
3. 同 步骤 1和2 ， 上传ratings.csv文件
4. 使用spark-submit deal_movies.py 指令提交代码到spark服务器执行。
   deal_movies.py代码

import pyspark
from pyspark.sql import SparkSession
spark = SparkSession.builder \
    .enableHiveSupport().getOrCreate() # 开启spark会话
movies = spark.read.format("csv").option("header", "true").load('/movies.csv') # 读取 hdfs中的数据
movies.createOrReplaceTempView("movies") # 创建临时表

rating = spark.read.format("csv").option("header", "true").load('/ratings.csv')
rating.createOrReplaceTempView("rating") 

sql = """
select rat.movieId, avg\_score, cnt, title
from 
(
(select movieId, count(\*) cnt, avg(rating) avg\_score from rating
group by movieId
having count(\*) >= 5000) rat
join movies 
on movies.movieId = rat.movieId


**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。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。**
![img](https://img-blog.csdnimg.cn/img_convert/f852d103958bd4ef5eaa98258ff0712d.png)
![img](https://img-blog.csdnimg.cn/img_convert/bbde71902da7c8036a0e55f2394c112c.png)
![img](https://img-blog.csdnimg.cn/img_convert/b1afc9072dc2a729b3874186e5ded4a2.png)
![img](https://img-blog.csdnimg.cn/img_convert/05c1b1db93d2f55832a69c70bece7224.png)
![img](https://img-blog.csdnimg.cn/img_convert/28ce42644113b65babd58b55091f426a.png)

**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，基本涵盖了95%以上大数据开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）**
![img](https://img-blog.csdnimg.cn/img_convert/980ce3afaeef2d21347261ae1d590598.png)

p204888 （备注大数据获取）**
[外链图片转存中...(img-zyrSSuY0-1712857589481)]