文章目录一.环境概述二.Ubuntu2.1光盘文件2.2创建虚拟机三.Hadoop3.1Sudo3.2SSH3.3JDK3.4hadoop3.5伪分布集群四.VMwaretools4.1安装4.2使用五.Spark5.1scala5.2spark5.3pyspark5.4伪分布式六.Python6.1源代码形式6.1python6.2pip6.3numpy6.2默认python6.3apt方式七.参考博客一.环境概述Linux发行版：Ubuntu虚拟机应用：VMwareWorkstationProHadoop版本：3.1.3|伪分布式集群JDK版本：JDK1.8.0_162Spark版本:2.
&&大数据学习&&🔥系列专栏：👑哲学语录:承认自己的无知，乃是开启智慧的大门💖如果觉得博主的文章还不错的话，请点赞👍+收藏⭐️+留言📝支持一下博主哦🤞HiveonSpark和HiveonMapReduce是两种不同的Hive运行环境，它们分别使用ApacheSpark和ApacheMapReduce作为底层的计算引擎。HiveonSpark：HiveonSpark是使用ApacheSpark作为计算引擎的Hive版本。它利用Spark的分布式计算和内存计算能力，提高了Hive的查询性能和响应时间。与传统的HiveonMapReduce相比，HiveonSpark可以更好地利用集群资源，提高查询
前言MongoDB是一个开源、跨平台的数据库。不同的操作系统平台上，部署MongoDB也会有所不同。本文是基于Windows来对MongoDB的部署。一、下载MongoDB官网下载地址：DownloadMongoDBCommunityServer|MongoDBVersion选择：稳定版4.4.2Mongo的版本分为稳定版和开发版，其中，稳定版是经过充分测试的版本，具有稳定性和可靠性；而开发版是未得到充分测试的版本，不适合初学者。所以我选择的稳定版本4.4.2。稳定版与开发版区分在于版本号（类似于x.y.z），版本号中的第一位数字是主版本号；第二位数字是用于区分是稳定版还是开发版，偶数为稳定版
1.练习一1.数据准备在hdfs上创建文件夹，上传csv文件[root@kb129~]#hdfsdfs-mkdir-p/app/data/exam查看csv文件行数[root@kb129~]#hdfsdfs-cat/app/data/exam/meituan_waimai_meishi.csv|wc-l2.分别使用RDD和SparkSQL完成以下分析（不用考虑数据去重）开启sparkshell[root@kb129~]#spark-shell（1）加载csv文件,创建RDDscala>valfileRdd=sc.textFile("/app/data/exam/meituan_waimai_m
文章目录一、excel数据源转成csv二、Spark读取csv文件（一）启动spark-shell（二）Spark读取csv生成df（三）查看df内容三、Spark读取excel文件（一）准备spark-excel_2.12-3.3.1_0.18.5.jar（二）启动sparkshell（三）Spark读取excel文件生成df（四）查看df的内容四、拓展练习（一）在SparkShell里读取excel文件（二）编写Spark程序读取excel文件1、项目里导入spark-excel包
目录一.Spark简介：二.ApacheSpark特点： 三.集群架构：3.1术语释义：3.2集群架构执行过程：3.3集群核心组件： 3.3.1Driver：3.3.2Executor：3.3.3Master&Worker：3.3.4ApplicationMaster：四.Spark核心组件：4.1SparkCore4.2SparkSQL4.3SparkStreaming4.4 SparkMLlib4.5SparkGraphX五.核心概念：5.1Executor与Core 5.2并行度：5.3有向无环图（DAG） 5.4提交过程5.5YarnClient模式5.6YarnCluster模式一.
并行度数量并行度指所有Executor可以同时执行的Task数，每个Executor中的一个Core（线程，虚拟核数）同时只能执行一个Task，所以 最大并行度=Executor数量*每个Executor的Core数；eg：资源配置10个Executor节点，每个节点2个Core，那么同一时间可以并行计算的task数为20，如果RDD有100个分区，那么需要5轮计算完毕，如果RDD有2个分区，那么计算时只使用2个Core，其余18个Core空转，浪费资源，所以Spark调优中会通过增大RDD分区数，增大任务并行度来提高效率。暂时的结论，每个Executor由若干core组成，每个Executo
✨作者主页：IT毕设梦工厂✨个人简介：曾从事计算机专业培训教学，擅长Java、Python、微信小程序、Golang、安卓Android等项目实战。接项目定制开发、代码讲解、答辩教学、文档编写、降重等。☑文末获取源码☑精彩专栏推荐⬇⬇⬇Java项目Python项目安卓项目微信小程序项目文章目录一、前言二、开发环境三、系统界面展示四、部分代码设计五、论文参考六、系统视频结语一、前言随着工业4.0和物联网（IoT）的快速发展，设备环境监测平台在各行各业中的应用越来越广泛。课题的产生基于对设备环境进行实时、便捷的监测和管理，以提高设备利用率，减少设备故障率，优化维修流程，降低运营成本，增强企业的竞争
#所需安装包下载路径(1)mysqlrpm包路径：https://downloads.mysql.com/archives/community/connect路径：https://downloads.mysql.com/archives/c-j/(2)hivehttps://mirrors.huaweicloud.com/apache/hive/hive-3.1.3/(3)sparkhttps://mirrors.huaweicloud.com/apache/spark/spark-2.3.0/1.mysql安装部署1.1安装包下载 1.1.1所需下载的rpm包 1.1.2所需驱动包下载1.2
一、数据写出 （1）SparkSQL统一API写出DataFrame数据二、写出MySQL数据库一、数据写出 （1）SparkSQL统一API写出DataFrame数据 统一API写法： 常见源写出：#cording:utf8frompyspark.sqlimportSparkSessionfrompyspark.sql.typesimportStructType,IntegerType,StringTypeimportpyspark.sql.functionsasFif__name__=='__main__':spark=SparkS
