spark零基础学习线路指导【包括spark2】

问题导读 1.你认为spark该如何入门? 2.你认为spark入门编程需要哪些步骤? 3.本文介绍了spark哪些编程知识?

转载注明链接:

http://www.aboutyun.com/forum.php?mod=viewthread&tid=21959

spark学习一般都具有hadoop基础,所以学习起来更容易多了。如果没有基础,可以参考零基础学习hadoop到上手工作线路指导(初级篇)。具有基础之后,一般都是按照官网或则视频、或则文档,比如搭建spark,运行spark例子。后面就不知道做什么了。这里整体梳理一下。希望对大家有所帮助。 1.spark场景 在入门spark之前,首先对spark有些基本的了解。比如spark场景,spark概念等。推荐参考 Spark简介:适用场景、核心概念、创建RDD、支持语言等介绍 http://www.aboutyun.com/forum.php?mod=viewthread&tid=9389 2.spark部署 首先还是说些基础性的内容,非零基础的同学,可以跳过。 首先还是spark环境的搭建。 about云日志分析项目准备6:Hadoop、Spark集群搭建 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20620 spark环境搭建完毕,例子运行完毕。后面就不知道干啥了。 这时候我们就需要了解spark。 从不同角度,可以有多种不同的方式:如果我们从实战工作的角度,下面我们就需要了解开发方面的知识 如果我们从知识、理论的角度,我们就需要了解spark生态系统 下面我们从不同角度来介绍 3.spark实战 3.1spark开发环境 比如我们从实战的角度,当我们部署完毕,下面我们就可以接触开发方面的知识。 对于开发,当然是首先是开发工具,比如eclipse,IDEA。对于eclipse和IDEA两个都有选择的,看你使用那个更顺手些。 下面是个人总结希望对大家有帮助[二次修改新增内容] spark开发环境详细教程1:IntelliJ IDEA使用详细说明 http://www.aboutyun.com/forum.php?mod=viewthread&tid=22320 spark开发环境详细教程2:window下sbt库的设置 http://www.aboutyun.com/forum.php?mod=viewthread&tid=22409 spark开发环境详细教程3:IntelliJ IDEA创建项目 http://www.aboutyun.com/forum.php?mod=viewthread&tid=22410 spark开发环境详细教程4:创建spark streaming应用程序 http://www.aboutyun.com/forum.php?mod=viewthread&tid=22465 更多了解即可: Spark集成开发环境搭建-eclipse http://www.aboutyun.com/forum.php?mod=viewthread&tid=6772 用IDEA开发spark,源码提交任务到YARN http://www.aboutyun.com/forum.php?mod=viewthread&tid=20316 Spark1.0.0 开发环境快速搭建 http://www.aboutyun.com/forum.php?mod=viewthread&tid=8403 spark开发环境中,如何将源码打包提交到集群 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20979 田毅-Spark开发及本地环境搭建指南 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20313 Spark 开发环境IntelliJ IDEA图文教程、视频系统教程 http://www.aboutyun.com/forum.php?mod=viewthread&tid=10122 3.2spark开发基础 开发环境中写代码,或则写代码的时候,遇到个严重的问题,Scala还不会。这时候我们就需要补Scala的知识。如果是会Java或则其它语言,可能会阅读C,.net,甚至Python,但是Scala,你可能会遇到困难,因为里面各种符号和关键字,所以我们需要真正的学习下Scala。下面内容,是个人的总结,仅供参考 ####################### about云spark开发基础之Scala快餐 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20303 spark开发基础之从Scala符号入门Scala http://www.aboutyun.com/forum.php?mod=viewthread&tid=20159 spark开发基础之从关键字入门Scala http://www.aboutyun.com/forum.php?mod=viewthread&tid=20223 更多内容: spark开发基础之Scala快餐:开发环境Intellij IDEA 快捷键整理【收藏备查】 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20380 学习Scala的过程中,参考了以下资料 《快学Scala》完整版书籍分享 http://www.aboutyun.com/forum.php?mod=viewthread&tid=8713 scala入门视频【限时下载】 http://www.aboutyun.com/forum.php?mod=viewthread&tid=12434 更多可以搜索Scala http://so.aboutyun.com/ ####################### 相信上面的资料,足以让你搞懂Scala。Scala会了,开发环境、代码都写好了,下面我们就需要打包了。该如何打包。这里打包的方式有两种: 1.maven 2.sbt 有的同学要问,哪种方式更好。其实两种都可以,你熟悉那个就使用那个即可。 下面提供一些资料 scala eclipse sbt( Simple Build Tool) 应用程序开发 http://www.aboutyun.com/forum.php?mod=viewthread&tid=9340 使用maven编译Spark http://www.aboutyun.com/forum.php?mod=viewthread&tid=11746 更多资料 Spark大师之路:使用maven编译Spark http://www.aboutyun.com/forum.php?mod=viewthread&tid=10842 用SBT编译Spark的WordCount程序 http://www.aboutyun.com/forum.php?mod=viewthread&tid=8587 如何用maven构建spark http://www.aboutyun.com/forum.php?mod=viewthread&tid=12261 3.3spark开发知识 spark 开发包括spark core的相关组件及运算,还有spark streaming,spark sql,spark mlib,GraphX. ########################### 下面的知识是关于spark1.x的,关于1.x其实有了基础,那么spark2.x学习来是非常快的。那么他们之间的区别在什么地方?最大的区别在编程方面是spark context,sqlcontext,hive context,都使用一个类即可,那就是SparkSession。他的编程是非常方便的。比如 通过SparkSession如何创建rdd,通过下面即可

再比如如何执行spark sql

更多参考: spark2:SparkSession思考与总结 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23381 SparkSession使用方法介绍【spark2.0】 http://www.aboutyun.com/forum.php?mod=viewthread&tid=19632 spark2使用遇到问题总结 http://www.aboutyun.com/forum.php?mod=viewthread&tid=24050 spark2.0文档【2016英文】 http://www.aboutyun.com/forum.php?mod=viewthread&tid=18970 spark2 sql读取数据源编程学习样例1:程序入口、功能等知识详解 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23484 spark2 sql读取数据源编程学习样例2:函数实现详解 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23489 使用spark2 sql的方式有哪些 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23541 spark2之DataFrame如何保存【持久化】为表 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23523 spark2 sql编程样例:sql操作 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23501 spark2 sql读取json文件的格式要求 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23478 spark2 sql读取json文件的格式要求续:如何查询数据 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23483 spark2的SparkSession思考与总结2:SparkSession包含哪些函数及功能介绍 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23407 spark2.2以后版本任务调度将增加黑名单机制 http://www.aboutyun.com/forum.php?mod=viewthread&tid=23346 ########################## 3.3.1spark 编程 说到spark编程,有一个不能绕过的SparkContext,相信如果你接触过spark程序,都会见到SparkContext。那么他的作用是什么? SparkContext其实是连接集群以及获取spark配置文件信息,然后运行在集群中。如下面程序可供参考

[Scala] 纯文本查看 复制代码

?

import org.apache.spark.SparkConf
  
import org.apache.spark.SparkContext
  
val conf = new SparkConf().setAppName(“MySparkDriverApp”).setMaster(“spark://master:7077”).set(“spark.executor.memory”, “2g”)
  
val sc = new SparkContext(conf)

下面图示为SparkContext作用

当然还有 SQLContext 和HiveContext作用是类似的,同理还有hadoop的Context,它们的作用一般都是全局的。除了SparkContext,还有Master、worker、DAGScheduler、TaskScheduler、Executor、Shuffle、BlockManager等,留到后面理论部分。这里的入门更注重实战操作 我们通过代码连接上集群,下面就该各种内存运算了。 比如rdd,dataframe,DataSet。如果你接触过spark,相信rdd是经常看到的,DataFrame是后来加上的。但是他们具体是什么。可以详细参考spark core组件:RDD、DataFrame和DataSet介绍、场景与比较 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20902 看到上面我们其实可能对它们还没有认识到本质,其实他们就是内存的数据结构。那么数据结构相信我们应该都了解过,最简单、我们经常接触的就是数组了。而rdd,跟数组有一个相同的地方,都是用来装数据的,只不过复杂度不太一样而已。对于已经了解过人来说,这是理所当然的。这对于初学者来说,认识到这个程度,rdd就已经不再神秘了。那么DataFrame同样也是,DataFrame是一种以RDD为基础的分布式数据集. rdd和DataFrame在spark编程中是经常用到的,那么该如何得到rdd,该如何创建DataFrame,他们之间该如何转换。 创建rdd有三种方式, 1.从scala集合中创建RDD 2.从本地文件系统创建RDD 3.从HDFS创建RDD 详细参考 spark小知识总结 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20920 如何创建dataframe df<-data.frame(A=c(NA),B=c(NA)) 当然还可以通过rdd转换而来,通过toDF()函数实现 rdd.toDF() dataframe同样也可以转换为rdd,通过.rdd即可实现 如下面 val rdd = df.toJSON.rdd 为了更好的理解,在看下面例子

[Scala] 纯文本查看 复制代码

?

先创建一个类
case class Person(name: String, age: Int)
然后将Rdd转换成DataFrame
val people = sc.textFile("/usr/people.txt").map(_.split(",")).map(p => Person(p(0), p(1).trim.toInt)).toDF()

即为rdd转换为dataframe. RDD和DataFrame各种操作 上面只是简单的操作,更多还有rdd的action和TransformationActions操作如:reduce,collect,count,foreach等 Transformation如,map,filter等 更多参考 Spark RDD详解 http://www.aboutyun.com/forum.php?mod=viewthread&tid=7214 DataFrame同理 DataFrame 的函数 collect,collectAsList等 dataframe的基本操作 如cache,columns 等 更多参考 spark DataFrame 的函数|基本操作|集成查询记录 http://www.aboutyun.com/blog-1330-3165.html spark数据库操作 很多初级入门的同学,想在spark中操作数据库,比如讲rdd或则dataframe数据导出到mysql或则oracle中。但是让他们比较困惑的是,该如何在spark中将他们导出到关系数据库中,spark中是否有这样的类。这是因为对编程的理解不够造成的误解。在spark程序中,如果操作数据库,spark是不会提供这样的类的,直接引入操作mysql的库即可,比如jdbc,odbc等。 比如下面Spark通过JdbcRDD整合 Mysql(JdbcRDD)开发 http://www.aboutyun.com/forum.php?mod=viewthread&tid=9826 更多可百度。 经常遇到的问题 在操作数据中,很多同学遇到不能序列化的问题。因为类本身没有序列化.所以变量的定义与使用最好在同一个地方。 想了解更详细,可参考 不能序列化解决方法 org.apache.spark.sparkException:Task not serializable http://www.aboutyun.com/home.php?mod=space&uid=29&do=blog&id=3362 小总结 如果上面已经都会了,那么spark基本编程和做spark相关项目外加一些个人经验相信应该没有问题。 3.3.2spark sql编程 spark sql为何会产生。原因很多,比如用spark编程完成比较繁琐,需要多行代码来完成,spark sql写一句sql就能搞定了。那么spark sql该如何使用。 1.初始化spark sql 为了开始spark sql,我们需要添加一些imports 到我们程序。如下面例子1 例子1Scala SQL imports

[Scala] 纯文本查看 复制代码

?

// Import Spark SQL
import org.apache.spark.sql.hive.HiveContext
// Or if you can't have the hive dependencies
import org.apache.spark.sql.SQLContext

下面引用一个例子

首先在maven项目的pom.xml中添加Spark SQL的依赖。 <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-sql_2.10</artifactId> <version>1.5.2</version> </dependency>

[Scala] 纯文本查看 复制代码

?

package [url=http://www.aboutyun.com]www.aboutyun.com[/url]
 
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.SQLContext
 
object InferringSchema {
  def main(args: Array[String]) {
 
    //创建SparkConf()并设置App名称
    val conf = new SparkConf().setAppName("aboutyun")
    //SQLContext要依赖SparkContext
    val sc = new SparkContext(conf)
    //创建SQLContext
    val sqlContext = new SQLContext(sc)
 
    //从指定的地址创建RDD
    val lineRDD = sc.textFile(args(0)).map(_.split(" "))
 
    //创建case class
    //将RDD和case class关联
    val personRDD = lineRDD.map(x => Person(x(0).toInt, x(1), x(2).toInt))
    //导入隐式转换,如果不到人无法将RDD转换成DataFrame
    //将RDD转换成DataFrame
    import sqlContext.implicits._
    val personDF = personRDD.toDF
    //注册表
    personDF.registerTempTable("person")
    //传入SQL
    val df = sqlContext.sql("select * from person order by age desc ")
    //将结果以JSON的方式存储到指定位置
    df.write.json(args(1))
    //停止Spark Context
    sc.stop()
  }
}
//case class一定要放到外面
case class Person(id: Int, name: String, age: Int)

参考:csdn 绛门人,更多例子大家也可网上搜索 我们看到上面例子中 sqlContext.sql可以将sql语句放入到函数中。 关于spark sql的更多内容推荐Spark Sql系统入门1:什么是spark sql及包含哪些组件 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20910 Spark Sql系统入门2:spark sql精简总结 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21002 Spark Sql系统入门3:spark sql运行计划精简 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21032 about云日志分析项目准备6-5-2:spark应用程序中如何嵌入spark sql http://www.aboutyun.com/forum.php?mod=viewthread&tid=21078 spark sql完毕,后面我们继续spark streaming。 3.3.3spark streaming编程 我么知道spark具有实时性,那么spark的实时性就是通过spark streaming来实现的。spark streaming可以实时跟踪页面统计,训练机器学习模型或则自动检测异常等. 如何使用spark streaming 大数据编程很多都是类似的,我们还是需要看下StreamingContext. 为了初始化Spark Streaming程序,一个StreamingContext对象必需被创建,它是Spark Streaming所有流操作的主要入口。一个StreamingContext 对象可以用SparkConf对象创建。StreamingContext这里可能不理解,其实跟SparkContext也差不多的。(可参考让你真正理解什么是SparkContext, SQLContext 和HiveContext)。同理也有hadoop Context,它们都是全文对象,并且会获取配置文件信息。那么配置文件有哪些?比如hadoop的core-site.xml,hdfs-site.xml等,spark如spark-defaults.conf等。这时候我们可能对StreamingContext有了一定的认识。下面一个例子 为了初始化Spark Streaming程序,一个StreamingContext对象必需被创建,它是Spark Streaming所有流操作的主要入口。 一个StreamingContext 对象可以用SparkConf对象创建。

[Scala] 纯文本查看 复制代码

?

import org.apache.spark._
impoty org.apache.spark.streaming._
val conf = new SparkConf().setAppName(appName).setMaster(master)
val ssc=new StreamingContext(conf,Seconds(1))

appName表示你的应用程序显示在集群UI上的名字,master 是一个Spark、Mesos、YARN集群URL 或者一个特殊字符串“local”,它表示程序用本地模式运行。当程序运行在集群中时,你并不希望在程序中硬编码 master ,而是希望用 sparksubmit启动应用程序,并从 spark-submit 中得到 master 的值。对于本地测试或者单元测试,你可以传递“local”字符串在同 一个进程内运行Spark Streaming。需要注意的是,它在内部创建了一个SparkContext对象,你可以通过 ssc.sparkContext访问这个SparkContext对象。 批时间片需要根据你的程序的潜在需求以及集群的可用资源来设定,你可以在性能调优那一节获取详细的信息.可以利用已经存在的 SparkContext 对象创建 StreamingContext 对象。

[Scala] 纯文本查看 复制代码

?

import org.apache.spark.streaming._
val sc = ... // existing SparkContext
val ssc = new StreamingContext(sc, Seconds(1))

当一个上下文(context)定义之后,你必须按照以下几步进行操作

  • 定义输入源;
  • 准备好流计算指令;
  • 利用 streamingContext.start() 方法接收和处理数据;
  • 处理过程将一直持续,直到 streamingContext.stop() 方法被调用。

StreamingContext了解了,还有个重要的概念需要了解DStream. Spark Streaming支持一个高层的抽象,叫做离散流( discretized stream )或者 DStream ,它代表连续的数据流。DStream既可以利用从Kafka, Flume和Kinesis等源获取的输入数据流创建,也可以 在其他DStream的基础上通过高阶函数获得。在内部,DStream是由一系列RDDs组成。 举例: 一个简单的基于Streaming的workCount代码如下:

[Scala] 纯文本查看 复制代码

?

package com.debugo.example
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.streaming.StreamingContext._
import org.apache.spark.SparkConf
   
object WordCountStreaming {
  def main(args: Array[String]): Unit ={
    val sparkConf = new SparkConf().setAppName("HDFSWordCount").setMaster("spark://172.19.1.232:7077")
   
    //create the streaming context
    val  ssc = new StreamingContext(sparkConf, Seconds(30))
   
    //process file when new file be found.
    val lines = ssc.textFileStream("file:///home/spark/data")
    val words = lines.flatMap(_.split(" "))
    val wordCounts = words.map(x => (x, 1)).reduceByKey(_ + _)//这里不是rdd,而是dstream
    wordCounts.print()
    ssc.start()
    ssc.awaitTermination()
  }
}

这段代码实现了当指定的路径有新文件生成时,就会对这些文件执行wordcount,并把结果print。具体流程如下:

代码诠释: 使用Spark Streaming就需要创建StreamingContext对象(类似SparkContext)。创建StreamingContext对象所需的参数与SparkContext基本一致,包括设定Master节点(setMaster),设定应用名称(setAppName)。第二个参数Seconds(30),指定了Spark Streaming处理数据的时间间隔为30秒。需要根据具体应用需要和集群处理能力进行设置。 val lines = ssc.textFileStream("file:///home/spark/data")为创建lines Dstream val words = lines.flatMap(_.split(" "))为通过flatMap转换为words Dstream 我们在引一例,比如创建Twitter val tweets=ssc.twitterStream()

其中为tweets为DStream上面内容来自 让你真正明白spark streaming http://www.aboutyun.com/forum.php?mod=viewthread&tid=21141 DStream的transformation DStream与RDD,DataFrame类似的,也有自己的transformation。如下

Transformation

Meaning

map(func)

对 DStream 中的各个元素进行 func 函数操作, 然后返回一个新的 DStream.

flatMap(func)

与 map 方法类似, 只不过各个输入项可以被输出为零个或多个输出项

filter(func)

过滤出所有函数 func 返回值为 true 的 DStream 元素并返回一个新的 DStream

repartition(numPartitions)

增加或减少 DStream 中的分区数, 从而改变 DStream 的并行度

union(otherStream)

将源 DStream 和输入参数为 otherDStream 的元素合并, 并返回一个新的 DStream.

count()

通过对 DStreaim 中的各个 RDD 中的元素进行计数, 然后返回只有一个元素 的 RDD 构成的 DStream

reduce(func)

对源 DStream 中的各个 RDD 中的元素利用 func 进行聚合操作, 然后返回只有一个元素的 RDD 构成的新的 DStream.

countByValue()

对于元素类型为 K 的 DStream, 返回一个元素为( K,Long) 键值对形式的 新的 DStream, Long 对应的值为源 DStream 中各个 RDD 的 key 出现的次数

reduceByKey(func, [numTasks])

利用 func 函数对源 DStream 中的 key 进行聚合操作, 然后返回新的( K, V) 对 构成的 DStream

join(otherStream, [numTasks])

输入为( K,V)、 ( K,W) 类型的 DStream, 返回一个新的( K, ( V, W) 类型的 DStream

cogroup(otherStream, [numTasks])

输入为( K,V)、 ( K,W) 类型的 DStream, 返回一个新的 (K, Seq[V], Seq[W]) 元组类型的 DStream

transform(func)

通过 RDD-to-RDD 函数作用于源码 DStream 中的各个 RDD,可以是任意的 RDD 操作, 从而返回一个新的 RDD

updateStateByKey(func)

根据于 key 的前置状态和 key 的新值, 对 key 进行更新, 返回一个新状态的 DStream

window

对滑动窗口数据执行操作

除了DStream,还有个重要的概念,需要了解 windows滑动窗体 我们知道spark streaming的数据流是Dstream,而Dstream由RDD组成,但是我们将这些RDD进行有规则的组合,比如我们以3个RDD进行组合,那么组合起来,我们需要给它起一个名字,就是windows滑动窗体 更多内容可参考 spark streaming知识总结2 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21173 上面对spark streaming有了一定的了解,更多编程知识可参考下面内容 SparkStreaming运行三种方式 http://www.aboutyun.com/forum.php?mod=viewthread&tid=18892 spark streaming知识总结1 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21307 sparkstreaming数据通过Scala实现存储到数据库 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20753 Spark Streaming日志分析思考、选择方案及部分代码实现 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21593 透过WordCount案例快速理解SparkStreaming工作原理分享 http://www.aboutyun.com/forum.php?mod=viewthread&tid=19688 刘永平-Spark-streaming在京东的项目实践 http://www.aboutyun.com/forum.php?mod=viewthread&tid=18924 Spark-Streaming编程指南 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21257 上面具备spark streaming知识后,下面是关于about云日志分析使用到的spark streaming大家可参考 使用Spark Streaming + Kafka 实现有容错性的实时统计程序 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20427 about云日志分析项目准备10:使用Intellij Idea搭建Spark Streaming开发环境(SBT版本) http://www.aboutyun.com/forum.php?mod=viewthread&tid=20855 about云日志分析项目准备10-4:将Spark Streaming程序运行在Spark集群上 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21034 about云日志分析项目准备11:spark streaming 接收 flume 监控目录的日志文件 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21229 about云日志分析项目准备11-1:spark streaming+spark sql 实现业务 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21599 下面就是spark MLlib和GraphX编程,对于初级入门来说用到的不多,也可以不用看。MLlib 是Spark的可以扩展的机器学习库,由以下部分组成:通用的学习算法和工具类,包括分类,回归,聚类,协同过滤,降维。GraphX是spark的一个新组件用于图和并行图计算.下面给大家推荐一些资料 3.4.spark MLlib编程 使用Spark MLlib给豆瓣用户推荐电影 http://www.aboutyun.com/forum.php?mod=viewthread&tid=16430 MLlib回归算法(线性回归、决策树)实战演练--Spark学习(机器学习) http://www.aboutyun.com/forum.php?mod=viewthread&tid=17183 Spark_Mllib_实践与优化_雷宗雄 http://www.aboutyun.com/forum.php?mod=viewthread&tid=18739 Spark MLlib系列——程序框架 http://www.aboutyun.com/forum.php?mod=viewthread&tid=8552 Spark MLlib算法之KMeans应用实例讲解【附代码下载】 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21436 Spark MLlib Statistics统计 http://www.aboutyun.com/forum.php?mod=viewthread&tid=13054 Spark MLlib之 KMeans聚类算法详解 http://www.aboutyun.com/forum.php?mod=viewthread&tid=19745 MLlib分类算法实战演练--Spark学习(机器学习) http://www.aboutyun.com/forum.php?mod=viewthread&tid=17184 about云系列spark入门5:MLlib 介绍 http://www.aboutyun.com/forum.php?mod=viewthread&tid=14183 Spark0.9分布式运行MLlib的线性回归算法 http://www.aboutyun.com/forum.php?mod=viewthread&tid=10793 求一spark mllib视频 http://www.aboutyun.com/forum.php?mod=viewthread&tid=19061 ALS 在 Spark MLlib 中的实现--孟祥瑞 http://www.aboutyun.com/forum.php?mod=viewthread&tid=12988 3.5.spark GraphX Spark GraphX详细介绍 http://www.aboutyun.com/forum.php?mod=viewthread&tid=13783 Spark GraphX在淘宝的实践 http://www.aboutyun.com/forum.php?mod=viewthread&tid=12970 Spark中文手册8:spark GraphX编程指南(1) http://www.aboutyun.com/forum.php?mod=viewthread&tid=11589 Spark中文手册9:spark GraphX编程指南(2) http://www.aboutyun.com/forum.php?mod=viewthread&tid=11601 Apache Spark源码走读之14 -- Graphx实现剖析 http://www.aboutyun.com/forum.php?mod=viewthread&tid=10957 spark图感知及图数据挖掘:图流合壁,基于Spark Streaming和GraphX的动态图计算 http://www.aboutyun.com/forum.php?mod=viewthread&tid=12277 图流合璧——基于Spark Streaming和GraphX的动态图计算 http://www.aboutyun.com/forum.php?mod=viewthread&tid=13799 用Apache Spark进行大数据处理 -用Spark GraphX进行图数据分析 http://www.aboutyun.com/forum.php?mod=viewthread&tid=21913 about云系列spark入门6:GraphX 介绍 http://www.aboutyun.com/forum.php?mod=viewthread&tid=14220 最新100份开源大数据架构论文之45:spark graphx http://www.aboutyun.com/forum.php?mod=viewthread&tid=14239 上面介绍了从实战学习的角度去入门学习,后面有时间从理论角度来入门spark。 更多资料推荐 Spark1.0.0 学习路线指导 http://www.aboutyun.com/forum.php?mod=viewthread&tid=8421 Spark学习总结---入门 http://www.aboutyun.com/forum.php?mod=viewthread&tid=20710 spark个人学习总结 http://www.aboutyun.com/forum.php?mod=viewthread&tid=14584 spark入门教程及经验总结 http://www.aboutyun.com/forum.php?mod=viewthread&tid=11128 本文链接:http://www.aboutyun.com/forum.php?mod=viewthread&tid=21959

大数据日志实时分析

http://www.aboutyun.com/forum.php?mod=viewthread&tid=22431

转载注明链接:

http://www.aboutyun.com/forum.php?mod=viewthread&tid=21959

原文发布于微信公众号 - about云(wwwaboutyuncom)

原文发表时间:2018-04-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

简谈Spark Streaming的实时计算整合

基于Spark通用计算平台,可以很好地扩展各种计算类型的应用,尤其是Spark提供了内建的计算库支持,像Spark Streaming、Spark SQL、ML...

3418
来自专栏祝威廉

Spark 2.0 Structured Streaming 分析

Spark 2.0 将流式计算也统一到DataFrame里去了,提出了Structured Streaming的概念,将数据源映射为一张无线长度的表,同时将流式...

1283
来自专栏Python小屋

Python大数据处理扩展库pySpark用法精要

Spark是一个开源的、通用的并行计算与分布式计算框架,其活跃度在Apache基金会所有开源项目中排第三位,最大特点是基于内存计算,适合迭代计算,兼容多种应用场...

4166
来自专栏简单聊聊Spark

Spark性能调优篇四之使用Kryo进行序列化操作

        接着上一篇文章,今天介绍一下通过使用Kryo这个东东来进一步降低网络IO的传输量和内存的占用率。在介绍Kryo之前,接下来我们先来对比一下默认的...

2513
来自专栏悦思悦读

Spark为什么比Hadoop快那么多?

在2014年11月5日举行的Daytona Gray Sort 100TB Benchmark竞赛中,Databricks 用构建于206个运算节点之上的spa...

48611
来自专栏肖力涛的专栏

Spark 踩坑记:从 RDD 看集群调度

本文的思路是从spark最细节的本质,即核心的数据结构RDD出发,到整个Spark集群宏观的调度过程做一个整理归纳,从微观到宏观两方面总结,方便自己在调优过程中...

1.1K2
来自专栏Java技术栈

Tomcat集群session复制与Oracle的坑。。

问题描述 公司某个系统使用了tomcat自带的集群session复制功能,然后后报了一个oracle驱动包里面的连接不能被序列化的异常。 01-Nov-2017...

3739
来自专栏Albert陈凯

2.0Spark编程模型

循序渐进学Saprk 与Hadoop相比,Spark最初为提升性能而诞生。Spark是Hadoop MapReduce的演化和改进,并兼容了一些数据库的基本思想...

3808
来自专栏加米谷大数据

技术分享 | Spark RDD详解

1、RDD是什么 RDD:Spark的核心概念是RDD (resilientdistributed dataset),指的是一个只读的,可分区的分布式数据集,这...

4095
来自专栏斑斓

大数据 | 理解Spark的核心RDD

与许多专有的大数据处理平台不同,Spark建立在统一抽象的RDD之上,使得它可以以基本一致的方式应对不同的大数据处理场景,包括MapReduce,Streami...

3859

扫码关注云+社区