大数据处理Spark

Spark Structured Streaming使用教程

文章目录1、输入数据源2、输出模式3、sink输出结果4、时间窗口4.1、时间窗口4.2、时间水印（Watermarking）5、使用例子StructuredStreaming是一个基于SparkSQL
penngo·2023-12-14 19:17

Spark SQL（八）：UDF和UDAF

用户自定义函数，其实更多的是针对单行输入，返回一个输出；UDAF：UserDefinedAggregateFunction，用户自定义聚合函数，可以针对多行输入，进行聚合计算，返回一个输出，功能更加强大；是从Spark1.5
雪飘千里·2023-12-14 19:09

Spark环境搭建和使用方法

目录一、安装Spark（一）基础环境（二）安装Python3版本（三）下载安装Spark（四）配置相关文件二、在pyspark中运行代码（一）pyspark命令（二）启动pyspark三、开发Spark
Francek Chen·2023-12-14 19:08

【python】多任务编程

多任务编程有哪些编程提速的方法单线程串行：不加改造的程序多线程并发：利用CPU和IO可以同时执行的原理，让CPU不会干巴巴等待IO完成多CPU并行/多进程：利用多核CPU的能力，真正的并行执行任务多机器并行：hadoop/hive/spark
小赵要加油·2023-12-14 19:33

openEuler JDK21 部署 Zookeeper 集群

zookeeper-jdk21操作系统：openEulerJDK：21主机名IP地址spark01192.168.171.101spark02192.168.171.102spark03192.168.171.103
李昊哲小课·2023-12-14 19:14

【Python百宝箱】数据巨轮启航：Python大数据处理库全攻略，引领数据科学新浪潮

本文旨在为读者提供一份全面的指南，介绍了Python中几个重要的大数据处理库，从分布式计算到数据存储再到与Pandas的衔接。
friklogff·2023-12-14 18:22

AI创作系统ChatGPT网站源码，AI绘画，支持GPT联网提问/即将支持TSS语音对话功能

一、AI创作系统SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统，支持OpenAI-GPT全模型+国内AI全模型。
白云如幻·2023-12-14 15:11

大数据云计算——Docker环境下部署Hadoop集群及运行集群案列

首先，文章详细解释了Hadoop的基本概念和其在大数据处理中的重要性，以及为何选择在Docker环境下部署Hadoop集群。接着，阐述了在Docker中配置和启动Hadoop集群所需的步骤和技术要点。
星川皆无恙·2023-12-14 14:57

【Spark精讲】Spark内存管理

目录前言Java内存管理Java运行时数据区Java堆垃圾回收机制Executor内存管理内存类型堆内内存堆外内存内存管理模式静态内存管理统一内存管理编辑执行内存管理多任务间内存分配Shuffle的内存占用MemoryOverHead详解任务内存调节错误类型及调整方案1.ExecutorOOM类错误（错误代码137、143等）方式一：增加单个task的内存使用量方式二：降低单个Task的内存消耗量
话数Science·2023-12-14 13:52

Spark读写MySQL数据库

Spark读写MySQL数据库文章目录Spark读写MySQL数据库一、读取数据库（一）通过RDD的方式读取MySQL数据库（二）通过DataFrame的方式读取MySQL数据库二、添加数据到MySQL
叶子上的考拉·2023-12-14 13:45

Spark Dataset的实用操作笔记

最近的项目用spark做离线计算，所以有用到一些操作，简单笔记一下1.Dataset纵向复制数据当一个dataset中数据量太少，不能有效的随机联查别的dataset时，需要将数据纵向复制，把数据量撑起来
容若只如初见·2023-12-14 13:12

spark rdd和dataframe的区别，结合底层逻辑

在ApacheSpark中，RDD（ResilientDistributedDataset）和DataFrame是处理数据的两种不同的抽象。
三水青一人尤·2023-12-14 12:29

理解 Spark 写入 API 的数据处理能力

这张图解释了ApacheSparkDataFrame写入API的流程。它始于对写入数据的API调用，支持的格式包括CSV、JSON或Parquet。
小技术君·2023-12-14 12:23

Spark分布式内存计算框架

目录一、Spark简介（一）定义（二）Spark和MapReduce区别（三）Spark历史（四）Spark特点二、Spark生态系统三、Spark运行架构（一）基本概念（二）架构设计（三）Spark运行基本流程四
Francek Chen·2023-12-14 12:43

sparklyr: R interface for Apache Spark

关于sparklyr的一个简单的教程下载Sparklyrinstall.packages("sparklyr")下载sparklibrary(sparklyr)spark_install(version
Liam_ml·2023-12-06 23:16

SparkSQL运行流程浅析

写了有相当长一段时间的SparkSQL了，所以结合网上其他大神的分析，写一篇文章，谈谈我对SparkSQL整个运行流程的一个简单的理解。哈哈，毕竟程序员要做到知其然，还要知其所以然不是。
淡定一生2333·2023-12-06 21:08

Spark常见算子汇总

创建RDD在Spark中创建RDD的方式分为三种:从外部存储创建RDD从集合中创建RDD从其他RDD创建textfile调用SparkContext.textFile()方法，从外部存储中读取数据来创建
话数Science·2023-12-06 21:05

Spark面试题汇总

问题汇总SparkSQL调优：场景是怎样的？怎么发现的？怎么定位的？怎么解决的？达到了一个怎样的效果？引申下还有哪些更好的优化方案？UDF怎么管理的，如何避免重复的UDF的提交？
话数Science·2023-12-06 21:04

Spark宽依赖窄依赖的区别

定义：一般观点：窄依赖是子RDD的一个分区只依赖于父RDD的一个分区，即每个父RDD的分区最多被子RDD的一个分区使用；宽依赖是子RDD的一个分区依赖了父RDD的多个分区，即多个子RDD的分区数据依赖父RDD的同一个分区的数据。而实际上：窄依赖是父RDD的一个或多个分区的数据全部流入到子RDD的一个或多个分区；宽依赖是父RDD的每个分区的不同部分，分别流入到子RDD的不同分区。算子：窄依赖算子：m
话数Science·2023-12-06 21:04

如何设置和读取Spark配置

设置在SaprkConf中设置，如valconf=newSparkConf().setMaster("local").setAppName("Myapplication").set("spark.executor.memory
话数Science·2023-12-06 21:04

Spark自定义分区器

spark目前支持两个分区器,分别是HashPartitioner和RangePartitioner.均继承自Partitioner,有共同方法-defnumPartitions--分区器的分区数量-defgetPartition
鸭梨山大哎·2023-12-06 21:02

快手数仓面试题附答案

2你在工作中都负责哪一部分3spark提交一个程序的整体执行流程4spark常用算子列几个，6到8个吧5transformation跟action算子的区别6map和flatmap算子的区别7自定义udf
话数Science·2023-12-06 21:59

大数据实战项目_电商推荐系统

一、项目介绍Hadoop+Spark+(Python)Scala+SparkSQL+SparkStreaming+MongoDB+Redis+Kafka+Flume+(SpringMVC+vue)1项目介绍
Guff_hys·2023-12-06 20:28

解决安装pyspark所遇到的所有问题

一开始安装Hadoop，hive，hbase，spark很顺利。但是到了pyspark时候已
天亮说晚安ii·2023-12-06 17:33

机器学习---pySpark代码开发

1、eclipse开发pySpark程序在eclipse中开发pySpark程序，需要安装pydev插件。1).eclipse安装python插件,安装完成后重启。
30岁老阿姨·2023-12-06 17:23

机器学习---环境准备

一、pySpark环境准备1、window配置python环境变量window安装python，配置python环境变量。
30岁老阿姨·2023-12-06 17:53

机器学习---pySpark案例

1、统计PV，UV1.if__name__=='__main__':2.conf=SparkConf()3.conf.setMaster("local")4.conf.setAppName("test"
30岁老阿姨·2023-12-06 17:53

为何Go爬虫依然远没有Python爬虫流行

目录一、Go与Python的比较1、语言生态2、易用性3、库支持二、Go爬虫的优势1、性能与并发性2、跨平台性3、内存占用三、Go爬虫的潜力与未来发展1、社区支持与库完善2、跨平台移动应用开发3、大数据处理与实时分析四
小小卡拉眯·2023-12-06 17:41

前后端分离vue+springboot家庭理财账单财务管理系统

技术栈：后端：SpringBoot，Sa-Token，MyBatis-Plus，MyBatisGenerator，MySQL，Nginx，Spark，Fastjson前端：Vue，Vue-router，
说书客啊·2023-12-06 15:12

ERROR SparkContext: Error initializing SparkContext.org.apache.spark.SparkException：无效的 Spark URL：

在idea中用scala编写spark的WordCount的案例时，老是报错，scala能运行其他程序scala没有问题，依赖按照视频教程也成功下载，Maven仓库也下载的巴巴适适，报的错误太多了，我节选有价值的错误信息
Guff_hys·2023-12-06 11:40

Spark - SQL查询文件数据

那么我们可以利用spark-sql直接操作文件的特性处理这类的需求，姐姐再也不用担心我不会spark了，因为我就只会sql。使用方法csvspark.sql("select*fromcsv.
kikiki2·2023-12-06 11:16

Spark由浅到深(1)--安装,测试,问题排错

安装部署//选择需要的版本.官网下载:http://spark.apache.org/downloads.html//部署tar-zxfspark-1.4.0-bin-hadoop2.6.tgzcdspark
GeezKe·2023-12-06 10:04

Spark读写Doris数据

1准备Spark环境创建maven工程，编写pom.xml文件    4.0.0
shangjg3·2023-12-06 08:48

Spark 环境安装

Spark环境安装一、准备工作1、hadoop成功安装2、防火墙关闭二、解压安装1、上传spark安装包到/opt/soft目录，进入该目录下，执行如下命令：tar-zxvfspark-2.1.1-bin-hadoop2.7
会java的怪蜀黍·2023-12-06 07:35

生产环境_从数据到层级结构JSON：使用Spark构建多层次树形数据_父子关系生成

代码补充了！兄弟萌造的样例数据valdata=Seq(("USA","Male","Asian","Chinese"),("USA","Female","Asian","Chinese"),("USA","Male","Black","African"),("USA","Female","Black","African"),("USA","Male","White","European"),("U
Matrix70·2023-12-06 07:04

spark不同结构Dataset合并

1.先将hdfs(或本地)存储的csv文件加载为Dataset先在本地C盘准备两个csv文件test.csvclient_id,behives,del,normal_status,cust_type,no_trd_days7056,zl,1,hy,个人,27057,cf,1,hy,个人,127058,hs,2,hy,个人,1200212121,0,sj,hy,个人,1100212122,1,yx,
容若只如初见·2023-12-06 07:03

spark sql基于CBO的优化

前言sparksql基于CBO的优化是建立在物理计划层面的，原理是计算出所有可能的物理执行计划，并挑选成代价最小的物理执行计划。
！@123·2023-12-06 07:02

spark 写入 hudi时数据类型报错

报错信息如下：Causedby:org.apache.spark.sql.execution.QueryExecutionException:Parquetcolumncannotbeconvertedinfilehdfs
南城守护·2023-12-06 07:31

spark sql-Broadcast Hash Join、SMB-JOIN

那么再次进行join的时候，就相当于大表的各自分区的数据与小表进行本地join，从而避免了shuffle配置setspark.sql.autoBroadcastJoinThreshold=10m，默认为
！@123·2023-12-06 07:27

PySpark开发环境搭建常见问题及解决

PySpark环境搭建常见问题及解决1、winutils.exe问题2、SparkURL问题3、set_ugi()问题本文主要收录PySpark开发环境搭建时常见的一些问题及解决方案，并收集一些相关资源
对许·2023-12-06 07:54

【从零开始学习JVM | 第一篇】快速了解JVM

作为Java语言最核心的组成之一，JVM已经超越了其最初的设计目标，成为一个多语言的运行平台，支撑着企业级应用、大数据处理、移动应用等众多领域的技术栈。
我是一盘牛肉·2023-12-06 06:47

使用 pyarrow 将parquet转成spark能用的parquet

最近发现spark的一个坑（发现时spark最新为2.4.4版本），spark对parquet格式有特殊要求，不支持带“uint8”类型的parquethttps://github.com/apache
爱知菜·2023-12-06 06:55

比较 Apache Hive 和 Spark

Hive和Spark是两种非常流行且成功的用于处理大规模数据集的产品。换句话说，他们进行大数据分析。本文重点描述这两种产品的历史和各种功能。
vvoennvv·2023-12-06 06:50

Ambari hdp Spark多版本并存

本示例基于ambarihdp-2.6.0.3（spark2.1.0），集成spark2.2.2，其他的版本思路类似（spark2.3经测试也是没问题的）下载spark-2.2.2-bin-hadoop2.7
Respect123·2023-12-06 05:20

Spark Streaming（三）集成Kafka

Kafka从0.8版本到0.10版本提供了一种新的消费者api，所以根据你的kafka版本不同相应的有2种包可用，分别是spark-streaming-kafka-0-8和spark-streaming-kafka
Sx_Ren·2023-12-06 03:33

IT程序员面试题目汇总及答案-计算机面试

答案1：在我之前的工作中，我遇到了一个涉及大数据处理的问题。由于数据量巨大，传统的处理方法无法在规定的时间内完成。
a谷雨c·2023-12-06 03:58

分享2024年第一期！全国高校大数据与人工智能师资研修班

全国高校大数据与人工智能师资研修班2024年第一期上海线下班：数据采集与机器学习实战广州线下班：大数据技术应用实战（Hadoop+Spark）线上班（十一大专题）PyTorch深度学习与大模型应用实战数据采集与处理实战大数据分析与机器学习实战大数据技术应用实战
泰迪智能科技·2023-12-06 03:22

Scrapy爬虫数据存储为JSON文件的解决方案

它基于JavaScriptSpark语言的一个子集，但独立于Smashing语言，因此在许多中语言中都可以使用。JSON文件由键值对组成，可以表示对象和缓存等复杂结构。
小白学大数据·2023-12-06 02:16

Spark - SQL查询文件数据

那么我们可以利用spark-sql直接操作文件的特性处理这类的需求，姐姐再也不用担心我不会spark了，因为我就只会sql。使用方法csvspark.sql("select*fromcsv.
kikiki2·2023-12-06 01:07

Spark - SQL查询文件数据

那么我们可以利用spark-sql直接操作文件的特性处理这类的需求，姐姐再也不用担心我不会spark了，因为我就只会sql。使用方法csvspark.sql("select*fromcsv.
kikiki2·2023-12-06 01:40
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他