文章目录一、SparkCore1.SparkContext:2.SparkSession3.RDD4.Broadcast、Accumulator:5.Sparkconf6.SparkFiles7.StorageLevel二、SparkSQL1.读取数据2.保存/写入数据3.Dataframes3.pysparkSQL函数三、SparkStreaming四、MLlib一、SparkCore在Spark的执行过程中，涉及到一些关键角色和概念，如Client、Job、Master、Worker、Driver、Stage、Task以及Executor。Client：Client是Spark应用程序的驱
📋博主简介💖作者简介：大家好，我是wux_labs。😜热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。通过了微软Azure开发人员、Azure数据工程师、Azure解决方案架构师专家认证。对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究，对Databricks的使用有丰富的经验。📝个人主页：wux_labs，如果您对我还算满意，请关注一下吧~🔥📝个人社区：数据科学社区，如果您是数据科学爱好者，一起来交流吧~🔥🎉请支持我：欢迎大家点赞👍+收
文章目录前言1.安装数据库2.内网穿透2.1安装cpolar内网穿透2.2创建隧道映射2.3测试随机公网地址远程连接3.配置固定TCP端口地址3.1保留一个固定的公网TCP端口地址3.2配置固定公网TCP端口地址3.3测试固定地址公网远程访问4.结语前言MongoDB是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查
实践环境Python3.6.4pymongo4.1.1pymongo-3.12.3-cp36-cp36m-win_amd64.whl下载地址：https://pypi.org/simple/pymongo/代码实践#!/usr/bin/envpython#-*-coding:utf-8-*-importdatetimeimportrandomimportpymongofrompymongoimportMongoClientfrombson.objectidimportObjectId#########建立连接#方式1#client=MongoClient()#使用默认主机和端口连接本地Mong
python版本是3.12输入代码：frompysparkimportSparkConf,SparkContext#在PySpark中调用python解释器importosos.environ['PYSPARK_PYTHON']="D:/python/python.exe"#创建SparkConf类对象conf=SparkConf().setMaster("local[*]").setAppName("test_spark_app")sc=SparkContext(conf=conf)#打印版本print(sc.version)#数据计算rdd1=sc.parallelize([1,2,3,4
大家好，今天分享一下pyspark中各种sqljoin。数据准备本文以学生和班级为单位进行介绍。学生表有sid（学生id）、sname（学生姓名）、sclass（学生班级id）。班级表有cid（班级id）、cname（班级名称）。通过学生表的sclass和班级表的cid将两张表关联在一起。下面是数据文件数据的重点在于：学生表的sclass是1，2，3，4，5班级表的cid是1，2，4，6即学生表比班级表多了3，5，班级表比学生表多了6students.json{"sid":1,"sname":"xiaoming","sclass":1}{"sid":2,"sname":"xiaogang","
目录导言PaimonCDCDemo说明Demo准备Demo开始总结导言MongoDB是一个比较成熟的文档数据库，在业务场景中，通常需要采集MongoDB的数据到数据仓库或数据湖中，面向分析场景使用。FlinkMongoDBCDC是FlinkCDC社区提供的一个用于捕获变更数据（ChangeDataCapturing）的Flink连接器，可连接到MongoDB数据库和集合，并捕获其中的文档增加、更新、替换、删除等变更操作。ApachePaimon(incubating)是一项流式数据湖存储技术,可以为用户提供高吞吐、低延迟的数据摄入、流式订阅以及实时查询能力。PaimonCDCPaimonCDC
想象一下：你收到了你梦寐以求的礼物：一台非凡的时光机，可以将你带到任何地方、任何时候。你只有10分钟让它运行，否则它将消失。你拥有一份2000页的PDF，详细介绍了关于这台时光机的一切：它的历史、创造者、构造细节、操作指南、过去的用户，甚至还有一种回到过去的方法。现在的问题是：如何从这份详尽的文档中提取有价值的信息，在10分钟的时间内激活时光机？这时，你的超级英雄登场：一款由生成式AI驱动的聊天机器人。你向它提供时光机手册，提出问题，然后见证检索增强生成（RAGGenAI）的魔力。文章目录通俗易懂讲解大模型系列技术交流&资料由RAG驱动的生成型AI聊天机器人是什么？MongoDBAtlasVe
目录一、collect二、count三、first四、take五、takeOrdered六、countByKey七、foreach八、简单案例九、一个综合案例9.1需求1的实现9.2需求2的实现9.3需求3的实现一、collect函数签名：defcollect():Array[T]功能说明：收集每个分区数据，以数组Array的形式封装后发给driver。设置driver内存：bin/spark-submit--driver-memory10G(内存大小）注意：collect会把所有分区的数据全部拉取到driver端，如果数据量过大，可能内存溢出。importorg.apache.spark.{
窗口函数相关的概念和基本规范可以见：pyspark笔记：over-CSDN博客1创建PysparkdataFramefrompyspark.sql.windowimportWindowimportpyspark.sql.functionsasFemployee_salary=[("Ali","Sales",8000),("Bob","Sales",7000),("Cindy","Sales",7500),("Davd","Finance",10000),("Elena","Sales",8000),("Fancy","Finance",12000),("George","Finance",11
