大数据导论实验（黑龙江大学）

最新推荐文章于 2024-07-10 15:16:59 发布
最新推荐文章于 2024-07-10 15:16:59 发布
阅读量759 收藏 32
点赞数 11
分类专栏： 课程设计实验大杂烩（黑龙江大学） 文章标签： 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_61034701/article/details/134221369
版权

 实验要求

【大数据导论实验】教学大纲

【适用专业】计算机科学与技术、软件工程、物联网工程

【教学目标】了解分布式结构和Linux命令，基本掌握Hadoop的安装、HDFS编程、MapReduce的编程。

【实验教学项目表】

1

项目

Hadoop 安装与使用

时数

4

性质

验证

内容

要求

在虚拟机上安装Linux，安装Hadoop，了解Linux和Hadoop的基本命令。

2

项目

HDFS的应用

时数

4

性质

设计

内容

要求

熟悉hadoop文件命令，熟悉在Linux编写、编译、运行JAVA程序的过程，实现文件的读写操作，读出数据并排序。

3

项目

Mapreduce的应用I—Top10WordCount

时数

4

性质

设计

内容

要求

熟悉在Linux使用JAVA编写、编译、运行MapReduce程序的过程。编写wordcount程序，找出词频排前10的词。

4

项目

Mapreduce的应用II—电影推荐

时数

4

性质

设计

内容

要求

使用3阶段MapReduce解决方案来实现电影推荐。阶段1：找出各个电影的评分人总数；阶段2：对于电影A和B，找出所有同时对A和B评分的人；阶段3：找出每两个相关电影之间的关联。

【实验报告要求】实验报告中应明确说明实验题目、实验目的、完成日期、主要设计思想和算法、实验结果以及总结。应杜绝出现内容完全相同的实验报告

【实验成绩评定】实验成绩由三个部分组成：实验出勤部分（占10%）、实验完成部分（占80%）和实验报告部分（占10%）。实验完成部分由学生所完成的4个实验结果决定；实验报告部分根据所提交的实验报告的内容、格式、正确性以及独立性几个方面综合评定。

【选用教材】《大数据技术原理与应用》（第二版）（林子雨编著，人民邮电出版社，2017年）

【参考书目】

《数据算法/Hadoop/Spark大数据处理技巧》（Mahmoud Parsian 著，苏金国 杨健康等译，中国电力出版社，2016年版）

实验1

一、实验内容

在虚拟机上安装Linux，安装Hadoop，了解Linux和Hadoop的基本命令。

二、实验目的

1、了解Hadoop的3种运行模式。

2、熟练掌握Hadoop伪分布模式安装流程。

3、培养独立完成Hadoop伪分布安装的能力。

4、了解Eclipse开发环境的使用

5、熟练掌握Hadoop开发插件安装

三、实验环境

Linux Ubuntu 16.02

jdk-8u162-linux-x64

hadoop-3.1.3

eclipse-4.7.0-linux.gtk.x86_64

四、实验步骤

1.创建hadoop用户

sudo useradd -m hadoop -s /bin/bash

sudo passwd hadoop

sudo adduser hadoop sudo

2.更新ubuntu软件包

sudo apt-get update

3.安装vim

sudo apt install vim

安装软件时若需要确认，在提示处输入 y 即可

vim的常用模式有分为命令模式，插入模式，可视模式，正常模式。本教程中，只需要用到正常模式和插入模式。二者间的切换即可以帮助你完成本指南的学习。

（1）正常模式

正常模式主要用来浏览文本内容。一开始打开vim都是正常模式。在任何模式下按下Esc键就可以返回正常模式

（2）插入编辑模式

插入编辑模式则用来向文本中添加内容的。在正常模式下，输入i键即可进入插入编辑模式

（3）退出vim

如果有利用vim修改任何的文本，一定要记得保存。Esc键退回到正常模式中，然后输入:wq即可保存文本并退出vim

4.安装SSH、配置SSH无密码登陆

sudo apt-get install openssh-server

ssh localhost

首先退出刚才的 ssh，就回到了我们原先的终端窗口，然后利用 ssh-keygen 生成密钥，并将密钥加入到授权中：

exit                 # 退出刚才的 ssh localhost

cd ~/.ssh/           # 若没有该目录，请先执行一次ssh localhost     

ssh-keygen -t rsa    # 会有提示，都按回车就可以

cat ./id_rsa.pub >> ./authorized_keys  # 加入授权

5.安装Java环境

cd /usr/lib

sudo mkdir jvm #创建/usr/lib/jvm目录用来存放JDK文件

cd ~ #进入hadoop用户的主目录

cd Downloads  #注意区分大小写字母，刚才已经通过FTP软件把JDK安装包jdk-8u371-linux-x64.tar.gz上传到该目录下

sudo tar -zxvf ./jdk-8u371-linux-x64.tar.gz -C /usr/lib/jvm  #把JDK文件解压到/usr/lib/jvm目录下

JDK文件解压缩以后，可以执行如下命令到/usr/lib/jvm目录查看一下：

cd /usr/lib/jvm

ls

可以看到，在/usr/lib/jvm目录下有个jdk1.8.0_371目录。

下面继续执行如下命令，设置环境变量：

cd ~

vim ~/.bashrc

打开了hadoop这个用户的环境变量配置文件，请在这个文件的开头位置，添加如下几行内容：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_371

export JRE_HOME=${JAVA_HOME}/jre

export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib

export PATH=${JAVA_HOME}/bin:$PATH

保存.bashrc文件并退出vim编辑器。然后，继续执行如下命令让.bashrc文件的配置立即生效：

source ~/.bashrc

查看是否安装成功

java -version

6.安装 Hadoop3.3.5

将 Hadoop 安装至 /usr/local/ 中：

sudo tar -zxvf ~/下载/hadoop-3.3.5.tar.gz -C /usr/local  

 # 解压到/usr/local中

cd /usr/local/

sudo mv ./hadoop-3.3.5/ ./hadoop   # 将文件夹名改为hadoop

sudo chown -R hadoop ./hadoop      # 修改文件权限

Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息：

cd /usr/local/hadoop

./bin/hadoop version

7.Hadoop伪分布式配置

修改配置文件 core-site.xml (通过 gedit 编辑会比较方便: gedit ./etc/hadoop/core-site.xml)

<configuration>

    <property>

        <name>hadoop.tmp.dir</name>

        <value>file:/usr/local/hadoop/tmp</value>

        <description>Abase for other temporary directories.</description>

    </property>

    <property>

        <name>fs.defaultFS</name>

        <value>hdfs://localhost:9000</value>

    </property>

</configuration>

修改配置文件 hdfs-site.xml：

<configuration>

    <property>

        <name>dfs.replication</name>

        <value>1</value>

    </property>

    <property>

        <name>dfs.namenode.name.dir</name>

        <value>file:/usr/local/hadoop/tmp/dfs/name</value>

    </property>

    <property>

        <name>dfs.datanode.data.dir</name>

        <value>file:/usr/local/hadoop/tmp/dfs/data</value>

    </property>

</configuration>

配置完成后，执行 NameNode 的格式化:

cd /usr/local/hadoop

./bin/hdfs namenode -format

接着开启 NameNode 和 DataNode 守护进程：

cd /usr/local/hadoop

./sbin/start-dfs.sh

五、实验结果

cd /usr/local/hadoop

./sbin/start-dfs.sh

jps

访问web页面

localhost:9870

详细可参考厦门大学林子雨教授的教程

https://dblab.xmu.edu.cn/blog/2441/

实验2

一、实验内容

熟悉在Linux使用JAVA编写、编译、运行MapReduce程序的过程。编写wordcount程序，找出词频排前10的词。

二、实验目的

1、熟悉在Linux使用JAVA编写、编译、运行MapReduce程序的过程。

2、了解Eclipse开发环境的使用

3、熟练掌握Hadoop开发插件安装

三、实验环境

Linux Ubuntu 16.02

jdk-8u162-linux-x64

hadoop-3.1.3

eclipse-4.7.0-linux.gtk.x86_64

四、实验步骤

1.启动Hadoop

cd /usr/local/hadoop

./sbin/start-dfs.sh

2.查看文件

./bin/hdfs dfs -ls /user/hadoop

3.删除多余文件夹

./bin/hdfs dfs -rm -r /user/hadoop/input

./bin/hdfs dfs -rm -r /user/hadoop/output

5.创建文件夹

./bin/hdfs dfs -mkdir -p /user/hadoop/input

6.上传文件

./bin/hdfs dfs -put /home/hadoop/myfile/cipin.txt /user/hadoop/ input

7.启动eclipse

cd /usr/local/eclipse

./eclipse

为了编写一个MapReduce程序，一般需要向Java工程中添加以下JAR包：

（1）“/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-3.3.5.jar和haoop-nfs-3.3.5.jar；

（2）“/usr/local/hadoop/share/hadoop/common/lib”目录下的所有JAR包；

（3）“/usr/local/hadoop/share/hadoop/mapreduce”目录下的所有JAR包，但是，不包括jdiff、lib-examples和sources目录。

然后将Java程序打成jar包。

8.运行jar包

./bin/hadoop jar /usr/local/hadoop/myapp/WordCount.jar input output

9.输出结果

./bin/hdfs dfs -cat output/*

五、实验结果

启动hadoop

查看文件夹内容

创建文件夹

上传文件

运行jar包

输出内容

六、源代码

package sy2;
import java.io.*;
import java.nio.charset.StandardCharsets;
import java.util.*;
 
import  org.apache.hadoop.conf.Configuration;
import  org.apache.hadoop.fs.FileSystem;
import  org.apache.hadoop.fs.Path;
import  org.apache.hadoop.fs.FSDataInputStream;
import  org.apache.hadoop.fs.FSDataOutputStream;
 
import static java.lang.Integer.*;
import java.io.BufferedReader;
import java.io.InputStreamReader;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.FSDataInputStream;

public class sy2 {
	public static void main(String[] args){
        try{
            ArrayList<Integer> a = new ArrayList<Integer>();
            ArrayList<Integer> b = new ArrayList<Integer>();
 
            Configuration conf = new Configuration();
            conf.set("fs.defaultFS","hdfs://localhost:9000");
            conf.set("fs.hdfs.impl","org.apache.hadoop.hdfs.DistributedFileSystem");
            FileSystem fs = FileSystem.get(conf);
            Path file = new Path("test1.txt");
            FSDataInputStream getit = fs.open(file);
            BufferedReader d = new BufferedReader(new InputStreamReader(getit));
 
            Path file1 = new Path("test2.txt");
            FSDataInputStream getit1 = fs.open(file1);
            BufferedReader d1 = new BufferedReader(new InputStreamReader(getit1));
            String str;
            while((str = d.readLine())!= null)
            {
                a.add(Integer.valueOf(str.trim()));
            }
            while((str = d1.readLine())!= null)
            {
                a.add(Integer.valueOf(str.trim()));
            }
            d.close();
            d1.close();
            a.sort(Comparator.naturalOrder());
            for (int i : a){
                System.out.println(i);
            }
 
 
            String filename = "test3.txt";
            FSDataOutputStream os = fs.create(new Path(filename));
            for(Integer i :a){
                os.write(i.toString().getBytes());
                os.write("\r\n".getBytes());
            }
            os.close();
            fs.close();
        }catch (Exception e){
            e.printStackTrace();
        }
    }


}

详细可参考厦门大学林子雨教授HDFS编程实践

https://dblab.xmu.edu.cn/blog/4230/

实验3

一、实验内容

熟悉在Linux使用JAVA编写、编译、运行MapReduce程序的过程。编写wordcount程序，找出词频排前10的词。

二、实验目的

1、熟悉在Linux使用JAVA编写、编译、运行MapReduce程序的过程。

2、了解Eclipse开发环境的使用

3、熟练掌握Hadoop开发插件安装

三、实验环境

Linux Ubuntu 16.02

jdk-8u162-linux-x64

hadoop-3.1.3

eclipse-4.7.0-linux.gtk.x86_64

四、实验步骤

1.启动Hadoop

cd /usr/local/hadoop

./sbin/start-dfs.sh

2.查看文件

./bin/hdfs dfs -ls /user/hadoop

3.删除多余文件夹

./bin/hdfs dfs -rm -r /user/hadoop/input

./bin/hdfs dfs -rm -r /user/hadoop/output

5.创建文件夹

./bin/hdfs dfs -mkdir -p /user/hadoop/input

6.上传文件

./bin/hdfs dfs -put /home/hadoop/myfile/cipin.txt /user/hadoop/ input

7.启动eclipse

cd /usr/local/eclipse

./eclipse

为了编写一个MapReduce程序，一般需要向Java工程中添加以下JAR包：

（1）“/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-3.3.5.jar和haoop-nfs-3.3.5.jar；

（2）“/usr/local/hadoop/share/hadoop/common/lib”目录下的所有JAR包；

（3）“/usr/local/hadoop/share/hadoop/mapreduce”目录下的所有JAR包，但是，不包括jdiff、lib-examples和sources目录。

然后将Java程序打成jar包。

8.运行jar包

./bin/hadoop jar /usr/local/hadoop/myapp/WordCount.jar input output

9.输出结果

./bin/hdfs dfs -cat output/*

五、实验结果

启动hadoop

查看文件夹内容

创建文件夹

上传文件

运行jar包

输出内容实验结果

六、源代码

package sy3;

import java.io.IOException;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
 
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
 
 
public class sy3 {
 
    public static class WsMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
        @Override
        public void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {
            String[] split = value.toString().split(" ");
            for (String word : split) {
                context.write(new Text(word), new IntWritable(1));
            }
        }
    }
 
    public static class WsReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
 
        Map<String,Integer> map=new HashMap<String, Integer>();
        public void reduce(Text key, Iterable<IntWritable> iter,Context conext) throws IOException, InterruptedException {
            int  count=0;
            for (IntWritable wordCount : iter) {
                count+=wordCount.get();
            }
            String name=key.toString();
            map.put(name, count);
        }
 
        @Override
        public void cleanup(Context context)throws IOException, InterruptedException {
 
            //这里将map.entrySet()转换成list
            List<Map.Entry<String,Integer>> list=new LinkedList<Map.Entry<String,Integer>>(map.entrySet());
            //通过比较器来实现排序
            Collections.sort(list,new Comparator<Map.Entry<String,Integer>>() {
 
                //降序排序
                @Override
                public int compare(Entry<String, Integer> arg0,Entry<String, Integer> arg1) {
                    return (int) (arg1.getValue() - arg0.getValue());
                }
            });
 
            for(int i=0;i<10;i++){
                context.write(new Text(list.get(i).getKey()), new IntWritable(list.get(i).getValue()));
            }
        }
    }
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration conf = new Configuration();
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
        if (otherArgs.length != 2) {
            System.err.println("输入参数个数为："+otherArgs.length+"，Usage: wordcount <in> <out>");
            System.exit(2);//终止当前正在运行的java虚拟机
        }
        Job job = Job.getInstance(conf, "CleanUpJob");
        job.setJarByClass(sy3.class);
        job.setMapperClass(WsMapper.class);
        job.setReducerClass(WsReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        for(int i = 0; i < otherArgs.length - 1; ++i) {
            FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
        }
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));
        System.exit(job.waitForCompletion(true)?0:1);
    }
}

 详细可参考厦门大学林子雨教授MapReduce编程实践

https://dblab.xmu.edu.cn/blog/4289/

HLJ洛神千羽
关注
  • 11
    点赞
  • 踩
  • 32
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
大数据导论 实验
weixin_45008720的博客
03-25 1395
实验02熟悉常用的HDFS操作 学生姓名： 学号： 专业班级：计科1811 实验类型：验证 综合 设计 创新 实验日期： 实验成绩： 一、 实验目的 1） 理解HDFS在Hadoop体系结构中的角色； 2）熟练使用HDFS操作常用的Shell命令； 3）熟悉HDFS操作常用的Java API； 二、 实验平台 操作系统：Linux（建议Ubuntu16.04或Ubuntu18.04） Hadoop版本：3.1.3 JDK版本：1.8版本 Java ID
浅析大数据与人工智能
yoooooooooooooop的博客
05-19 3025
理念篇 首先给大家讲讲什么是数据。 有的朋友可能认为有了计算机才有数据，其实不然。简单而言，数据就是可以被我们进行定量分析的记录。大家可以看看左边这幅图，是四百多年前第谷·布拉赫记录下的行星与恒星在太阳系内运动的轨迹。当时开普勒做了十多年相同的工作，但弟谷始终舍不得将这最宝贵的数据给他，直到身患重病，才如同传衣钵般将数据传给了开普勒。基于这些数据，开普勒发现了今天的开普勒三大定律，从而衍生...
大数据预测模型的深度学习导论
Meta.Qing的博客
09-14 4048
深度学习模型代表了人工智能 (AI) 和机器学习中的新学习范式。最近在图像分析和语音识别方面的突破性成果引起了人们对该领域的极大兴趣，因为在提供大数据的许多其他领域中的应用似乎也是可能的。不利的一面是，深度学习模型背后的数学和计算方法非常具有挑战性，尤其是对于跨学科科学家而言。出于这个原因，我们在本文中介绍了深度学习方法的介绍性回顾，包括深度前馈神经网络 (D-FFNN)、卷积神经网络 (CNN)、深度信念网络 (DBN)、自动编码器 (AE) 和长短术语记忆 (LSTM) 网络。这些模型构成了当前使用的深
哈工大《软件工程专业导论》复习指南
qq_34168477的博客
12-13 1207
选修课同学复习仅需掌握前5章和导论部分即可，软工专业同学需要掌握全部内容，不过平时分给的很多，稍微复习一下就可以应付考试。作者根据个人理解认为需要重点记忆的部分黑体标注，未标注的部分仅供了解，但最好能理解。本文内容基于作者个人理解，如有不到位指出请指出，我将会不断丰富文章内容，使其成为一个很好的复习指南。除了应付考试以外，作者更希望软工专业的同学对软件工程有大体的认识，学习并不仅仅是为了考试。
大数据导论-林子雨著-教材配套习题和答案.docx
08-12
"大数据导论-林子雨著-教材配套习题和答案" 大数据导论是林子雨编著的教材，旨在为读者提供大数据相关知识的总体概述。本教材配套习题和答案涵盖了大数据概述、云计算、新兴技术、大数据产业、机器学习、知识图谱等...
大数据导论习题及答案.pdf-教程与笔记习题
05-18
大数据导论习题及答案.pdf
大数据导论大数据导论大数据导论
10-29
大数据导论 大数据技术作为决策神器，日益在社会治理和企业管理中起到不容忽视的作用。美国，欧盟都已经将大数据研究和使用列入国家发展的战略，类似谷歌，微软，百度，亚马逊等巨型企业也同样把大数据技术视为生命...
大数据导论：认识大数据.pdf
06-21
课程： 大数据导论 课程简介 本课程首先介绍大数据的概念和商业应用，再引导理解大数据存储、处理和管理的技术 架构，浅尝 Hadoop2 生态圈、以及 Spark 框架结构，领略这些流行的框架是如何支持 大数据管理的。...
清华大学精品大数据课程PPT课件 大数据导论 全套PPT 共7个章节.rar
02-13
清华大学精品大数据课程PPT课件（48页） 第3章 大数据采集及预处理.pptx 清华大学精品大数据课程PPT课件（39页） 第4章 大数据的存储.pptx 清华大学精品大数据课程PPT课件（43页） 第5章 大数据分析.pptx 清华大学...
Memcached在大数据量下的挑战：性能瓶颈与优化策略
2401_85761762的博客
07-06 666
Memcached是一个基于内存的分布式缓存系统，它通过减少对数据库的访问次数来提高应用程序的性能。它支持简单的数据存储和检索操作，并且是许多高流量网站的核心技术。
【分布式系统】ELK 企业级日志分析系统
F12138X的博客
07-06 1051
纵使黑夜吞噬了一切，太阳还是可以重新回来
分布式系统—ELK日志分析系统概述及部署
aran2002的博客
07-08 1499
ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称，但是filebeat可以用来替代logstash的数据收集功能，比较轻量级。市面上也被称为Elastic Stack。2.ELK组件ElasticSearch：是基于Lucene（一个全文检索引擎的架构）开发的分布式存储检索引擎，用来存储各类日志。Elasticsearch 是用 Java 开发的，可通过 RESTful Web 接口，让用户可以通过浏览器与 Elasticsearch 通信。
RabbitMQ安装使用遇到的问题
清梦的博客
07-08 267
RabbitMQ运行需要Erlang环境，所以需要先安装Erlang。执行Erlang.exe完成Erlang安装，需要在环境变量写上Erlang的位置。，除了环境变量中写错了安装位置外，还有一种可能，环境变量还未起效，需要重启电脑。运行RabbitMQ-server.exe，中途退出，安装失败，弹出。，需要先安装Erlang。
学习小记-Netty
weixin_42029860的博客
07-06 222
Netty是由JBOSS个java开源框架，Netty提供异步的、事件驱动的网络应用程序框架，用以快速开发高性能、高可靠性的网络服务器和客户端程序。
ELK日志分析系统概述及部署
2402_83805984的博客
07-05 1504
ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称，但是filebeat可以用来替代logstash的数据收集功能，比较轻量级。市面上也被称为Elastic Stack。1.2 ELK组件是基于Lucene（一个全文检索引擎的架构）开发的分布式存储检索引擎，用来存储各类日志。Elasticsearch 是用 Java 开发的，可通过 RESTful Web 接口，让用户可以通过浏览器与 Elasticsearch 通信。Elasticsearch是一个。
Elasticsearch 多索引/多类型搜索
最新发布
Dxy1239310216的博客
07-10 418
Elasticsearch的多索引搜索功能为跨多个数据集进行联合查询提供了极大的便利。通过灵活使用索引名、通配符和组合查询等技巧，可以构建出复杂而强大的搜索查询。然而，随着Elasticsearch版本的更新和演进，一些旧的功能（如类型）可能会被废弃或移除，因此在设计和实现多索引/多类型搜索时，需要关注Elasticsearch的最新动态和最佳实践。
阶段三：项目开发---民航功能模块实现：任务18：指挥航空公司架次与延误率占比
qq_60872637的博客
07-08 952
在前面的“使用Spark清洗统计业务数据并保存到数据库”任务中，已经通过Spark Streaming 清洗程序，将Kafka中Topic为“task_Aftn”的报文数据，经过数据清洗后，保存到了MySQL数据库中；本节任务内容，通过统计查询，计算总架次数和延误架次数的一个比例，即指挥航空公司架次与延误率占比。6学时Vue和iView熟悉，内部推送和邮件推送处理熟悉ECharts双Y轴展示，赋值。
南开大学复习资料-大数据导论0001.docx
12-18
"南开大学的大数据导论复习资料，涵盖了大数据的基本概念、特征、存储问题及挑战，以及传统存储系统架构的分类。" 在大数据领域，本复习资料详细介绍了几个核心知识点： 1. **大数据的四V特征**：大数据的四个基本...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

HLJ洛神千羽

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值