- 博客(23)
- 收藏
- 关注
RSS订阅转载 spark系列二：jdbc数据源实例
Spark SQL支持使用JDBC从关系型数据库（比如MySQL）中读取数据。读取的数据，依然由DataFrame表示，可以很方便地使用Spark Core提供的各种算子进行处理。 这里有一个经验之谈，实际上用...
2019-07-12 19:42:08
177
转载 spark系列一：共享变量(broadcast和accumulator)
spark一个重要的特性就是共享变量：共享变量原理：默认情况下，如果在一个算子的函数中使用到了某个外部的变量，那么这个变量的值会被拷贝到每个task中。此时每个task只能操作自己的那份变量副本。如果多个task想要共享...
2019-06-30 22:21:04
281
转载 python实例方法、类方法和静态方法的区别
python实例方法、类方法和静态方法的区别 首先看一个实例，类A中的方法依次是实例方法、类方法和静态方法 class A(object)： ...
2019-06-03 10:30:05
181
转载 spark系列二：sparkcore和sparksql综合案例
数据格式：日期 用户 搜索词 城市 平台 版本 需求：1、筛选出符合查询条件（城市、平台、版本）的数据2、统计出每天搜索uv排名前3的搜索词3、按照每天的top3搜索词的uv搜索总次数，倒序排序...
2019-05-23 18:18:05
523
转载 hadoop启动时，报ssh: Could not resolve hostname xxx: Name or service not known
错误信息： [root@master hadoop]# sbin/start-dfs.sh warnning classes where applicable Starting namenodes...
2019-05-21 08:12:05
10821
转载 spark系列一：使用持久化机制和不使用持久化的原理及实战
rdd持久化原理：rdd可以持久化到内存，当对dd执行持久化操作时，每个节点都会将自己的操作的rdd的parition持久化到内存中，并且在之后对该rdd的反复使用中，直接使用内存缓存的partition，这样对于一个反复执...
2019-05-20 17:51:04
267
转载 spark系列一：wordcount程序原理剖析及spark架构原理
wordcount程序原理剖析：wordcount程序原理深度剖析.pngspark架构原理：Spark架构原理.png ...
2019-05-10 11:30:06
292
转载 spark系列一：transaction和action介绍
spark支持两种RDD操作，transaction和action。transaction操作是对已有的RDD创建一个新的RDD；而action操作主要是正对RDD做最后的操作，比如遍历、reduce、保存到文件等，并可以...
2019-05-07 12:03:05
974
转载 spark系列二：sparksql dataframe常用操作
使用json文件创建 dataframe演示常用操作java版本： package cn.spark.study.core; import org.apache.spark.SparkConf;imp...
2019-05-07 08:18:05
146
转载 spark系列三：sparkstreaming之输入DStream之Kafka数据源实战（基于Direct的方式）
基于Receiver的直接方式，是在Spark 1.3中引入的，从而能够确保更加健壮的机制。替代掉使用Receiver来接收数据后，这种方式会周期性地查询Kafka，来获得每个topic+partition的最新的offs...
2019-05-04 10:36:04
259
转载 spark系列一：内核架构及宽窄依赖及提交模式分析
1、内核架构Spark内核架构深度剖析.png2、宽窄依赖划分：.png3、提交模式：YARN的两种提交模式深度剖析.png ...
2019-04-24 11:33:05
83
转载 spark系列一：transaction操作实战
1、算子实战： package cn.spark.study.core; import java.util.Arrays;import java.util.Iterator;import...
2019-04-10 19:06:06
247
转载 spark系列二：load和save
对于Spark SQL的DataFrame来说，无论是从什么数据源创建出来的DataFrame，都有一些共同的load和save操作。load操作主要用于加载数据，创建出DataFrame；save操作，主要用于将DataFra...
2019-03-31 09:57:05
373
转载 spark系列二：parquet数据源之自动合并元数据
+--------+----+-----+ 如同ProtocolBuffer，Avro，Thrift一样，Parquet也是支持元数据合并的。用户可以在一开始就定义一个简单的元数据，然后随着业务需要，逐渐往元数据中添加更...
2019-03-26 11:21:05
228
转载 spark系列三：sparkstreaming基于hdfs实时wordcount案例
HDFS文件基于HDFS文件的实时计算，其实就是，监控一个HDFS目录，只要其中有新文件出现，就实时处理。相当于处理实时的文件流。 streamingContext.fileStream<KeyCla...
2019-03-20 21:51:05
158
转载 spark系列二：parquet数据源之自动分区推断
表分区是一种常见的优化方式，比如Hive中就提供了表分区的特性。在一个分区表中，不同分区的数据通常存储在不同的目录中，分区列的值通常就包含在了分区目录的目录名中。Spark SQL中的Parquet数据源，支持自动根据目录...
2019-03-17 09:12:07
196
转载 spark系列一：wordcount程序排序
要求对统计的单词的次数降序排列：java版本： package cn.spark.study.core; import java.util.Arrays; import org.apache....
2019-03-04 17:06:07
187
转载 spark系列二：开窗函数实例
Spark 1.4.x版本以后，为Spark SQL和DataFrame引入了开窗函数，比如最经典，最常用的，row_number()，可以让我们实现分组取topn的逻辑。 package cn.spark.stud...
2019-02-22 19:18:06
404
转载 spark系列一：java和scala及spark-shell开发wordcount程序
spark学习记录，希望能坚持下去环境：centos6.5+spark1.3+hadoop2.4.11、代码开发：package cn.spark.study.core; import java.u...
2019-02-18 19:06:04
213
转载 spark系列二：parquet数据源常用操作之使用编程方式加载数据
Parquet是面向分析型业务的列式存储格式，由Twitter和Cloudera合作开发，2015年5月从Apache的孵化器里毕业成为Apache顶级项目，最新的版本是1.8.0。 列式存储和行式存储相比有哪...
2019-02-15 15:42:06
147
转载 spark系列二：sparksql内置函数实例
在Spark 1.5.x版本，增加了一系列内置函数到DataFrame API中，并且实现了code-generation的优化。与普通的函数不同，DataFrame的函数并不会执行后立即返回一个结果值，而是返回一个Column...
2019-02-01 09:36:05
166
转载 spark系列一：二次排序diy
创建secondarysort对象package cn.spark.study.core;import scala.Serializable; public class secondary...
2019-01-17 09:51:04
57
转载 spark系列一：action操作开发实战
实例代码：1、java版本： package cn.spark.study.core; import java.util.Arrays;import java.util.List;import j...
2018-12-29 21:51:05
85
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人