spark-core

Spark框架 及 pyspark库

Spark简介开启sparklocal模式（用于调试代码）集群模式spark-core（RDD）RDD的常用算子transformationvalue型transformationkey-value型transformationactionpersist
劫径·2022-12-05 11:49

Spark-Core分组求TOPN的六种不同的实现方式

案例:计算学科最受欢迎老师TopN1.需求:根据网站的行为日志，统计每个学科最受欢迎老师的TopN，即按照学科分组，在每一个组内进行排序2.样例数据:http://bigdata.51doit.cn/laozhanghttp://bigdata.51doit.cn/laozhanghttp://bigdata.51doit.cn/laozhaohttp://bigdata.51doit.cn/la
晓晓很可爱·2022-11-20 01:08

大数据实战二十一课 - Spark SQL01

对于Spark-Core给定功能实现，是最基本的要求；
zhikanjiani·2022-07-12 12:55

Spark-core项目实战——电商用户行为数据分析

0数据准备本实战项目的数据是采集自电商的用户行为数据。具体的数据可点此链接下载（提取码：44ax）用户行为数据主要包含用户的4种行为:搜索,点击,下单和支付.数据格式如下,不同的字段使用下划线分割开_:数据说明:数据采用_分割字段每一行表示用户的一个行为,所以每一行只能是四种行为中的一种.如果搜索关键字是null,表示这次不是搜索如果点击的品类id和产品id是-1表示这次不是点击下单行为来说一次可
不以物喜2020·2022-07-03 21:25

Spark-Core源码精读(9)、注册Application及Executors的启动注册流程(一)

接下来的几篇文章我们会结合源码来分析注册Application以及启动Executor并向Driver注册的具体流程。上文我们跟踪源码到了SparkDeploySchedulerBackend的start()方法的实例化AppClient部分，同时SparkDeploySchedulerBackend的start()方法中首先执行的就是其父类也就是CoarseGrainedSchedulerBac
sun4lower·2021-05-19 15:27

Spark-Core ——上篇

文章目录一、Spark简介1.简介2.DAG3.MR3.1什么是MR？3.2Hadoop和Spark的区别二、常见Api1.SparkConf1.1作用1.2创建1.3常见方法2.SparkContext(帮忙提交driver)2.1作用2.2创建2.3常见方法2.4WordCount:2.4.1Hadoop与Spark的写法区别2.4.2代码2.4.3SparkContext的解释作用2.5编程
平平无奇小码农·2020-10-21 16:42

如何创建 SparkContext，SQLContext，StreamingContext 的几种方式？

需要用到spark-core，spark-sql，spark-streaming的jar包，pom文件如下：2.1.02.11org.apache.sparkspark-core_${scala.version
曲健磊·2020-09-15 16:01

spark-core 和spark-sql的区别

转自：http://www.cnblogs.com/zlslch/p/6685679.htmlSparkSQL构建在SparkCore之上，专门用来处理结构化数据(不仅仅是SQL)。即SparkSQL是SparkCore封装而来的！SparkSQL在SparkCore的基础上针对结构化数据处理进行很多优化和改进，简单来讲：SparkSQL支持很多种结构化数据源，可以让你跳过复杂的读取过程，轻松从各
光圈1001·2020-09-15 16:39

Spark知识体系

spark整体脉络spark-core搭建集群（spark）-框架集群机器的准备工作集群的安装欢迎进入陶笔记博文什么是spark？
活出别致的高傲·2020-09-14 15:26

【Spark-Core】运行机制、RDD算子实战

一、Spark运行机制及原理分析1、WordCount执行的流程分析2、Spark提交任务的流程二、Spark的算子1、RDD基础(1)、什么是RDD?RDD（ResilientDistributedDataset）叫做弹性分布式数据集，是Spark中最基本的数据抽象，它代表一个不可变、可分区、里面的元素可并行计算的集合。RDD具有数据流模型的特点：自动容错、位置感知性调度和可伸缩性。RDD允许用
双椒叔叔·2020-09-14 15:46

【Spark-Core】架构、部署、WC-Demo

SparkCore一、什么是Spark？（官网：http://spark.apache.org）1、什么是Spark？*我的翻译：Spark是一个针对大规模数据处理的快速通用引擎。*Spark是一种快速、通用、可扩展的大数据分析引擎，2009年诞生于加州大学伯克利分校AMPLab，2010年开源，2013年6月成为Apache孵化项目，2014年2月成为Apache顶级项目。目前，Spark生态系
双椒叔叔·2020-09-14 15:46

【Spark】五、Maven编写WordCount

EnableAuto-Import修改spark的pom.xml文件pom--------------------------src就没用了，可以删除在sparkproject下newmodule：添加子项目【spark-core
LeeeeeMOON·2020-09-11 09:42

Spark基础篇(六) - IDEA开发Spark代码

一、Spark项目开发流程回顾二、Spark应用程序开发2.1、Hive下求用户访问量TopN&&Spark-shell实现&&IDEA下实现2.2、Spark-Core求平均年龄&&男女人数&&最低、
Spark on yarn·2020-09-11 06:26

sbt assembly

libraryDependencies+="org.scala-lang"%"scala-library"%"2.10.6"libraryDependencies+="org.apache.spark"%%"spark-core
siyongshuai·2020-08-24 14:15

【运行spark-sql报错】:java.lang.NoSuchMethodError: scala.Product.$init$(Lscala/Product;)V 解决办法

先贴具体错1.疑问之前运行spark-core的内容有点错误没有怎么一到sql就开始报错百度看是scala版本对不上所以着重对这方面的检查.直到我看到pom.xml文件得配置.....大概就知道是什么原因了
佩奇配骑·2020-08-22 19:00

Spark-streaming 和spark-sql 基本概念

Spark-streaming和spark-sql基本概念spark-streaming是spark体系中一个流式处理的框架spark-core是核心的计算引擎，streaming是其中一个功能streaming
000000_cy·2020-08-18 10:28

Spark-Core(二) - LogApp日志数据的解析&&Spark的运行架构

一、Spark-Core基础篇回顾二、Spark如何进行大数据的逻辑处理2.1、入门代码遇到的一个简单错误2.2、求得买个域名下的流量之和2.3、每个省份访问次数的TopN（生产上边界值的处理）三、Spark
Spark on yarn·2020-08-18 10:30

Spark-Core(三) - Stage剖析&&Spark on yarn的两种模式

一、Spark-Core（二）回顾二、Stage剖析2.1、遇到action产生job2.2、job产生stage2.3、rdd中的cache2.4、Spark-shell中测试rdd缓存&&StorageLevel2.5
Spark on yarn·2020-08-18 10:30

Spark-Core(四) - Shuffle剖析&&ByKey算子解析&&Spark中的监控&&广播变量、累加器

一、Spark-Core（三）回顾1.1、Sparkonyarn的运行方式二、Shuffle的剖析2.1、2.1、IDEA下使用repartition和coalesce对用户进行分组2.2、coalesce
Spark on yarn·2020-08-18 10:30

Spark任务提交与SpringBoot项目集成

项目集成原理利用官方提供的SparkLauncherjava接口来使用java代码提交Spark任务到Spark集群实现一个SparkPI的计算demo，并打包成jar新建SpringBoot项目，项目加入spark-core
忘了我都好·2020-08-03 01:05

Spark-core综合练习-IP匹配

ip.txt部分数据:220.177.248.0|220.177.255.255|3702650880|3702652927|亚洲|中国|江西|南昌||电信|360100|China|CN|115.892151|28.676493220.178.0.0|220.178.56.113|3702652928|3702667377|亚洲|中国|安徽|合肥||电信|340100|China|CN|117.
Thomson617·2020-07-29 09:33

sbt依赖冲突查看及解决

image.pnggraph_importer项目中使用依赖项目scala版本：scalaVersion:="2.11.11"libraryDependencies++=Seq("org.apache.spark"%%"spark-core
zlcook·2020-07-28 09:26

Spark-Core应用详解之高级篇

文章目录三、RDD高级应用1.RDD的分片数量2.RDD的函数传递问题如果RDD的转换操作中使用到了class中的方法或者变量，那么该class需要支持实例化。如果通过局部变量的方式将class中的变量赋值为局部变量，那么就不需要传递对象。3.RDD的运行方式(1)RDD的依赖关系(2)DAG有向无环图(3)RDD的任务划分Stage4.RDD的持久化5.RDD的checkpoint机制6.键值对
2NaCl·2020-07-28 09:14

Spark-core scala的40多种常用算子汇总

Spark-corescala的40多种算子汇总本篇言简意赅，如有疑惑，请看前几篇相关算子的文章因为没法上传xmind格式，只能导入md上传本人不才，如有错，一起交流Transformationmap对RDD中的每一个元素都执行，前后元素的对应关系是1：1。也就是说，对一个元素执行RDD的操作，可以产生一个元素。RDD使用map方法，有N个数据就加载了N次mapPartitions1:1对应分区R
人生路且修且行·2020-07-28 08:39

解决Spark应用日志级别设置

从控制台输出日志我们可以看出，应用程序是默认加载Spark-core包下面的log4j-defaults.properties日志文件。
盛装吾步·2020-07-28 01:42

Spark-Core RDD中函数（变量）传递

我们进行Spark进行编程的时候，初始化工作是在driver端完成的，而实际的运行程序是在executor端进行，所以就涉及到了进程间的通讯，数据是需要序列化的1、传递函数importorg.apache.spark.{SparkConf,SparkContext}importorg.apache.spark.rdd.RDDobjectSerDemo{defmain(args:Array[Stri
hyunbar·2020-07-27 12:27

SBT打包编译流程

：name:="SimpleProject"version:="1.0"scalaVersion:="2.11.8"libraryDependencies+="org.apache.spark"%%"spark-core
Cheengvho·2020-07-16 03:46

eclipse运行spark的scala程序console配置日志log4j输出级别

输出的第一行UsingSpark'sdefaultlog4jprofile:org/apache/spark/log4j-defaults.properties然后再找找spark的import执行的jar包的spark-core
回到未来望过去·2020-07-12 04:52

Spark集群安装配置

1Spark概述1、Spark是一个计算框架MR是批量计算框架，Spark-Core是批量计算框架Spark相比MR速度快，MR作为一个job，在中间环节中结果是落地的（会经过磁盘交换），Spark计算过程中数据流转都是在内存的
月正明·2020-07-10 09:30

idea中设置maven的jvm参数

在编译spark源码的过程中总是在编译spark-core模块时报内存溢出错误，通过visualvm监控，发现编译时maven的堆内存最大只有268m左右，于是网上搜了一些方法增加maven启动时的堆内存
zhuge134·2020-07-09 06:31

编写第一个Spark程序WordCount

sbtname:="spark01"version:="1.0"scalaVersion:="2.11.7"libraryDependencies++=Seq("org.apache.spark"%%"spark-core
ysk_xh_521·2020-07-09 04:08

Spark学习笔记——读写MySQL

name:="spark-hbase"version:="1.0"scalaVersion:="2.11.8"libraryDependencies++=Seq("org.apache.spark"%%"spark-core
weixin_34409741·2020-07-08 18:38

Spark-core（核心）的基本介绍

一、SparkCore提供Spark最基础与最核心的功能，主要包括以下功能：(1)SparkContext：通常而言，DriverApplication的执行与输出都是通过SparkContext来完成的。在正式提交Application之前，首先需要初始化SparkContext。SparkContext隐藏了网络通信、分布式部署、消息通信、存储能力、计算能力、缓存、测量系统、文件服务、Web服
weixin_34258078·2020-07-08 17:44

Spark-Core源码精读(4)、对Main类的补充说明

上一篇博客中提到了org.apache.spark.launcher.Main这个类，用来生成供spark-class中exec执行的具体的command，本文我们就来具体看一下这个类的实现机制。首先使用一张图来概括一下Main的实现原理和机制，然后再进行详细说明，俗话说“有图有真相！”下面我们对这张图进行说明：1、首先在spark-class中通过Main[class][classArgs]的方
sun4lower·2020-07-05 12:37

Spark-Core源码精读(12)、Task的提交流程分析

上一篇文章我们谈到，DAGScheduler将Job划分成由Stage组成的DAG后，就根据Stage的具体类型来生成ShuffleMapTask和ResultTask，然后使用TaskSet对其进行封装，最后调用TaskScheduler的submitTasks方法提交具体的TaskSet，而实际上是调用的TaskSchedulerImpl的submitTasks方法，下面我们就来分析具体Tas
sun4lower·2020-07-01 18:13

Spark-Core源码精读(7)、“Driver“服务启动流程解析

本文将解析Spark中Driver服务的开启流程，闲言少叙，直接进入源码。首先Driver服务的开启是在创建Driver的运行时环境的时候完成的，如下所示：SparkContext中：//CreatetheSparkexecutionenvironment(cache,mapoutputtracker,etc)_env=createSparkEnv(_conf,isLocal,listenerBu
sun4lower·2020-07-01 15:42

spark(一)--spark-core--RDD入门实战(详解各大api,基于IDEA开发)

前言spark系列教程spark-core—RDD进阶知识(图文详解,基于IDEA开发)本篇文章操作基于IDEA的本地测试,如果你还不会如何在IDEA中运行spark,请参考这篇文章IDEA开发第一个spark
zisuu·2020-06-30 18:57

Spark SQL系列------1. Spark SQL 物理计划的Shuffle实现

SparkSQL物理计划要到Spark-core执行，需要将SparkSQL物理计划转化成RDD，并且建立RDD之间的依赖关系。
heayin123·2020-06-27 04:30

Spark-core之RDD核心概念

一、Spark包括什么spark的核心是SparkCore，其中上面的SparkSql对接的是Hive等结构化查询，SparkStreaming是对接的流式计算，后面的那两个也是主要用在科学任务中，但是他们的基础都是sparkcore，而Sparkcore的核心就是RDD操作，RDD的操作重要的就是算子，也就是说，掌握了算子基本上就掌握了spark的基础。二、RDD1、是什么？简单的一句话就是，为
student__software·2020-06-26 15:15

推荐系统6:SparkML预测模型构建

Spark-Core的核心开发是基于RDD，但是RDD并不是非常的灵活，如果做一个结构化数据处理，还需要转换成DataFrame（在Python当中引出的概念）DataFrame其实就是行对象的RDD加上
曾牛·2020-06-25 03:53

Spark2.2（五）SparkSQL读写Hive

IDEA中使用SparkSQL读写Hive添加依赖libraryDependencies++=Seq("org.apache.spark"%%"spark-core"%"2.2.0","org.apache.spark
H_w·2020-06-22 08:30

Scala

scala-a可以使用net.alchim31.maven；最好注释掉pom中的test部分并且删除掉测试代码3.可以更改scalalibrarycontainer4.win7本地运行spark5、需在pom引入spark-core
PeterWang2017·2020-06-22 05:08

Spark-Core源码精读(2)、Master中的schedule详解

上一篇博客详细分析了Spark在Standalone模式下的部署过程，文中提到在Worker注册完成后需要执行一个schedule操作来分配资源，本文就将具体分析此方法具体是怎样分配资源的。注：本专题的文章皆使用Spark-1.6.3版本的源码为参考，如果Spark-2.1.0版本有重大改进的地方也会进行说明。什么时候会调用schedule？其实每当一个新的application加入或者资源发生变
sun4lower·2020-04-07 22:06

Spark-Core源码精读(1)、Spark Deployment & start-all.sh on Standalone mode

本文为精度Spark-core的源码的第一节，主要内容包括SparkDeployment的简介和Standalone模式下启动集群的详细流程精读。
sun4lower·2020-03-31 05:28

Spark-core-架构及工作机制综述

从三个部分来解读Spark-core，首先是Spark的架构，阐述了Spark基于弹性分布式数据集RDD这个计算模型的工作机制（计算流程）：
SiyueLin·2020-03-29 13:48

Spark-Core源码精读(13)、Task的运行流程分析

上一篇文章我们着重分析了Task的提交过程，本文中我们将对Task的运行进行详细的分析。我们从CoarseGrainedExecutorBackend接收到CoarseGrainedSchedulerBackend发过来的LaunchTask消息开始：caseLaunchTask(data)=>if(executor==null){logError("ReceivedLaunchTaskcomma
sun4lower·2020-03-23 16:53

Spark-Core源码精读(8)、TaskScheduler和SchedulerBackend

从本文开始，我们进入Spark中的调度部分，首先本文将对TaskScheduler和SchedulerBackend的实现原理进行分析。我们从SparkContext中的源码开始：val(sched,ts)=SparkContext.createTaskScheduler(this,master)追踪到SparkContext的createTaskScheduler方法：//Createandst
sun4lower·2020-02-15 01:36

Spark-Core源码精读(6)、SparkContext和SparkEnv

本文我们将详细分析SparkContext的源码。我们先来看一下SparkConf：SparkConfSparkContext实例化的时候需要传进一个SparkConf作为参数，SparkConf描述整个Spark应用程序的配置信息，如果和系统默认的配置冲突就会覆盖系统默认的设置。我们经常会在单元测试的时候使用newSparkConf(fasle)(如果不传入参数，默认是true)实例化Spark
sun4lower·2020-02-13 16:12

寒假第九天

spark-shell交互式编程更加了解和RDD以及对于编写独立应用程序sbt的打包编程去重也有了了解之前安装完sbt后对于后面的打包需要下载一些文件一直失败，后来我把在网上查询解决方案，找了很久终于教程里spark-core
张利杰j·2020-02-03 12:00

Spark-Core源码精读(5)、Spark内核架构概述

前面的文章中我们分析了Spark的部署模式和提交程序的流程，也分析了Master中schedule方法在感知到资源变化或者有新的应用程序提交时，启动Driver和Executors的过程，下面我们首先对Spark的内核架构进行系统的分析，然后再用几篇文章对涉及到的各个部分进行详细的说明。一些术语术语描述Application用户编写的程序包括了Driver端的SparkContext、SparkC
sun4lower·2020-01-06 21:11
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他