2024年最全疯狂Spark之SparkCore入门(1)，网络安全经典面试题详解

最新推荐文章于 2024-08-05 21:05:25 发布

2401_84252743

最新推荐文章于 2024-08-05 21:05:25 发布

阅读量982

点赞数 20

分类专栏：程序员文章标签： spark web安全大数据

本文链接：https://blog.csdn.net/2401_84252743/article/details/138476763

版权

程序员专栏收录该内容

217 篇文章 0 订阅

订阅专栏

还有兄弟不知道网络安全面试可以提前刷题吗？费时一周整理的160+网络安全面试题，金九银十，做网络安全面试里的显眼包！

王岚嵚工程师面试题（附答案），只能帮兄弟们到这儿了！如果你能答对70%，找一个安全工作，问题不大。

对于有1-3年工作经验，想要跳槽的朋友来说，也是很好的温习资料！

【完整版领取方式在文末！！】

93道网络安全面试题

内容实在太多，不一一截图了

黑客学习资源推荐

最后给大家分享一份全套的网络安全学习资料，给那些想学习网络安全的小伙伴们一点帮助！

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

1️⃣零基础入门

① 学习路线

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

② 路线对应学习视频

同时每个成长路线对应的板块都有配套的视频提供：

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，可以点击这里获取

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！

多用于本地测试，如在eclipse，idea中写程序测试等。

Standalone

Standalone是Spark自带的一个资源调度框架，它支持完全分布式。

Yarn

Hadoop生态圈里面的一个资源调度框架，Spark也是可以基于Yarn来计算的。

要基于Yarn来进行资源调度，必须实现AppalicationMaster接口，Spark 实现了这个接口，所以可以基于Yarn。

Mesos

资源调度框架。

SparkCore

RDD概念

RDD(Resilient Distributed Dateset)，弹性分布式数据集。

RDD的五大特性

1、RDD是由一系列的partition组成的。(partition个数与HDFS中block个数对应）

2、函数是作用在每一个partition（split）上的。

3、RDD之间有一系列的依赖关系。

4、分区器是作用在K,V格式的RDD上。

5、RDD提供一系列最佳的计算位置。

RDD理解图

注意

textFile方法底层封装的是读取MR读取文件的方式，读取文件之前先split，默认split大小是一个block大小，每个split对应一个partition。

RDD实际上不存储数据。

什么是K,V格式的RDD?

如果RDD里面存储的数据都是二元组对象，那么这个RDD我们就叫做K,V格式的RDD。

哪里体现RDD的弹性（容错）？

partition数量，大小没有限制，体现了RDD的弹性。

RDD之间依赖关系，可以基于上一个RDD重新计算出RDD。

哪里体现RDD的分布式？

RDD是由Partition组成，partition是分布在不同节点上的。

RDD提供计算最佳位置，体现了数据本地化。体现了大数据中“计算移动数据不移动”的理念。

Spark任务执行原理

以上图中有四个节点(机器)，Driver和Worker是启动在节点上的进程，运行在JVM中的进程。

Driver与集群节点之间有频繁的通信。

Driver负责任务(tasks)的分发和结果的回收。任务的调度。如果task的计算结果非常大就不要回收了。会造成oom。

Worker是Standalone资源调度框架里面资源管理的从节点。也是JVM进程。

Master是Standalone资源调度框架里面资源管理的主节点。也是JVM进程。

Spark代码流程

1、创建SparkConf对象

可以设置Application name。

可以设置运行模式及资源需求。

2、创建SparkContext对象

3、基于Spark的上下文创建一个RDD，对RDD进行处理。

4、应用程序中要有Action类算子来触发Transformation类算子执行。

5、关闭Spark上下文对象SparkContext。

Transformations转换算子

概念：

Transformations类算子是一类算子（函数）叫做转换算子，如map,flatMap,reduceByKey等。Transformations算子是延迟执行，也叫懒加载执行。

Transformation类算子

filter

过滤符合条件的记录数，true保留，false过滤掉。

map

将一个RDD中的每个数据项，通过map中的函数映射变为一个新的元素。

特点：输入一条，输出一条数据。

flatMap

先map后flat。与map类似，每个输入项可以映射为0到多个输出项。

sample

随机抽样算子，根据传进去的小数按比例进行又放回或者无放回的抽样。

reduceByKey

将相同的Key根据相应的逻辑进行处理。

sortByKey/sortBy

作用在K,V格式的RDD上，对key进行升序或者降序排序。

Action行动算子

概念：

Action类算子也是一类算子（函数）叫做行动算子，如foreach,collect，count等。Transformations类算子是延迟执行，Action类算子是触发执行。一个application应用程序中有几个Action类算子执行，就有几个job运行。

Action类算子

count

返回数据集中的元素数。会在结果计算完成后回收到Driver端。

take(n)

返回一个包含数据集前n个元素的集合。

first

first=take(1),返回数据集中的第一个元素。

foreach

循环遍历数据集中的每个元素，运行相应的逻辑。

collect

将计算结果回收到Driver端。

算子的基本使用

案例1：随机抽取words文件的数据

package com.gw.scala
import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object TestSpark {
 def main(args: Array[String]): Unit = {
 val conf = new SparkConf();
    conf.setMaster("local").setAppName("test");
 val sc = new SparkContext(conf);
    //读取文件
 val lines = sc.textFile("./words");
    /*
     * sample算子:抽样
     * 参数1：表示有无放回抽样，true表示放回
     * 参数2：表示抽样比例
     */
 val result = lines.sample(true, 0.1);
    result.foreach(println);
    sc.stop();
  }
}

案例2：过滤并输出words文件中”hello hadoop”数据

package com.gw.scala
import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object TestSpark {
 def main(args: Array[String]): Unit = {
 val conf = new SparkConf();
    conf.setMaster("local").setAppName("test");
 val sc = new SparkContext(conf);
    //读取文件
 val lines = sc.textFile("./words");
    lines.filter(s=>{
      s.equals("hello hadoop");
    }).foreach(println);
    sc.stop();
  }
}

案例3：统计words文件中数据的数量

package com.gw.scala
import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object TestSpark {
 def main(args: Array[String]): Unit = {
 val conf = new SparkConf();
    conf.setMaster("local").setAppName("test");
 val sc = new SparkContext(conf);
    //读取文件
 val lines = sc.textFile("./words");
 val result = lines.count();
    println(result);
    sc.stop();
  }
}

案例4：WordCount

package com.gw.scala
import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object TestSpark {
 def main(args: Array[String]): Unit = {
 val conf = new SparkConf().setMaster("local").setAppName("ScalaWordCount")


**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，可以点击这里获取](https://bbs.csdn.net/topics/618540462)**

**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！**