Spark大数据处理
Spark是一个快速、通用的大数据处理引擎，它提供了用于数据处理和机器学习的API。Spark的优势在于其快速的处理速度和简单的API，使其成为大数据处理的首选工具之一。Spark支持多种编程语言，包括Java、Python、Scala和R，并且可以与Hadoop和其他大数据存储系统集成。
Spark的应用场景包括数据挖掘、机器学习、图计算、流处理和实时数据分析等。
推荐的腾讯云相关产品和产品介绍链接地址：
腾讯云Spark是一个基于Spark的大数据处理服务，可以帮助用户快速构建大数据应用和服务。腾讯云大数据分析是一个大数据处理和分析平台，可以帮助用户实现数据的存储、处理、分析和可视化。
相关·内容
2回答
如何在Cloud Dataproc上安装Apache Spark的自定义版本
apache-spark、google-cloud-platform、google-cloud-dataproc
如何在安装自定义版本的Spark的同时保持与Cloud Dataproc工具的兼容性？
浏览 3提问于2018-04-12得票数 3
1回答
如何使用python对数千行数据执行ETL？
python、etl、data-processing、data-management、python-datamodel
我有一个pgAdmin数据库，它在geojson format.Using中包含数百万行，这个表是我创建的Tableau仪表板。由于行包含geojson格式的数据，所以我必须这样查询：jsondata -> 'properties' ->> 'qq',,jsondata -> 'properties' -&g
浏览 4提问于2020-04-10得票数 0
1回答
如何在Apache Spark中实现递归算法？
apache-spark、bigdata、apache-flink、data-pipeline
我有一个问题，我想在Spark中实现一个递归算法，并希望了解是否有任何建议可以在Spark中构建它，或者探索其他可能更适合的数据分析框架。构建一个在单个节点上运行的解决方案是很简单的(例如，spark master)，但假设目录结构非常大，具有O(十亿)个叶节点。对于使用Spark或其他框架/数据处理技术构建递归/迭代类型的数据管道，有什么建议吗？
浏览 37提问于2021-06-24得票数 0
1回答
将Spark处理的中间数据复制到目标S3时出现的AWS性能问题
amazon-emr
目前我正在使用AWS电子病历进行数据处理。S3被用作着陆区域和最终处理的数据。来自S3的最终处理数据将被加载到Redshift中，以便客户运行Analytics。Spark创建了一个用于数据处理的中间文件夹，我们从该文件夹将最终处理的数据压缩到另一个S3 Bucket。spark.conf.set('spark.sql.sources.partitionOverwriteMode', 'dynamic
浏览 2提问于2020-10-04得票数 0
1回答
Pyspark能否使用JDBC传递Alter Table
postgresql、jdbc、pyspark、databricks
我知道我可以使用spark.read.jdbc传递查询，但在本例中，我想在数据加载后添加一个唯一约束。其目的是通过减少创建唯一索引的时间来加速到db中的数据加载过程。
浏览 22提问于2020-06-02得票数 0
回答已采纳
1回答
PC上的大量数据？
python-3.x、database、apache-spark
我能用spark来做这个吗？有什么建议可以在我的电脑上处理吗？
谢谢
浏览 11提问于2019-10-23得票数 0
1回答
：它是为了激发sql还是火花流？
apache-spark、dataframe、apache-spark-sql、spark-streaming
星星之火的概念是否进入了spark或Spark。传统上，数据访问似乎属于Spark。但是，纠正我的错误，数据处理似乎也能够处理实时数据，所以我进入了这个问题。
浏览 2提问于2017-06-29得票数 0
回答已采纳
2回答
pyspark和spark之间的记忆差异？
apache-spark、pyspark、rdd
我一直在尝试使用一个PySpark作业来创建包含一堆二进制文件的RDD，然后我使用flatMap操作将二进制数据处理成一堆行。所以我打开了spark-shell和PySpark，并使用默认设置运行了REPL/shell中的命令，唯一的附加参数是--master yarn. spark-shell版本可以工作，而PySpark版本显示了相同的运行PySpark有那么大的开销吗？或者这是binaryFiles是新的问题吗？我使用的是Spark版本2.2.0.2.6.4.0-91。
浏览 1提问于2018-08-11得票数 0
1回答
DC/OS上的Mesos主配置
mesos、mesosphere、dcos
我正在为运行Kafka->Spark->Cassandra工作负载在AWS上创建DC/OS集群。我可能会使用m3.size或r3大型实例。
浏览 3提问于2016-05-17得票数 2
回答已采纳
1回答
读取Avro文件，一次一行。Python
pyspark、avro
上下文:我想把Avro文件读入Spark作为RDD。我想知道，如果我可以访问Avro数据模式，是否可以一次解析一行Avro文件。
我正在使用pyspark来编写我的spark作业。
浏览 1提问于2015-12-12得票数 1
1回答
Spark streaming每小时00:00运行处理
apache-spark
我正在尝试使用Spark每小时执行一次流数据处理，但我希望它开始时接近xx:00:00 (xx是小时id)。这是可能的，还是违背了Spark的意识形态？
浏览 1提问于2018-08-09得票数 0
1回答
Akka在SMACK架构中的作用
scala、akka、smack
当我们已经有Spark的时候，Akka在SMACK架构中的作用是什么？SMACK是由Spark提供的关于数据处理的，那么我们为什么需要Akka呢？
浏览 0提问于2016-11-04得票数 0
1回答
Apache Spark与MapReduce
apache-spark、hadoop、mapreduce
我一直在查找Spark和MapReduce之间的区别，我真正发现的是Spark在内存和磁盘上运行，这使得它的速度大大加快。但想必，使用Spark，您无论如何都会在内存和磁盘之间移动数据，因此如果内存空间不足，您可以将一些数据移回磁盘，然后引入新数据进行处理。
基本上，还有没有真正的理由继续使用MapReduce？
浏览 0提问于2018-05-02得票数 0
1回答
如何在spark2-submits之间保持Spark集群的活力？
apache-spark、pyspark
我需要在输入数据文件到达时通过执行spark2-submit来处理它们，以通过pyspark脚本处理输入文件。我观察到的是，对于每个spark2--submit，spark在进行最新输入文件的数据处理之前都会进行大量的初始化。这会导致延迟。如何在spark2提交之间保持Spark集群的活动状态？单独但相关的问题:除了spark2-submit之外，还有什么机制可以用来向spark提交有效负载？
提前感谢你的见解。
浏览 2提问于2017-12-06得票数 2
0回答
如何从spark 1.6连接到bigsql
apache-spark、pyspark、biginsights、bigsql、bigdata
我在云4.1，Ambari 2.2.0和Spark 1.6.1上使用BigInsigths，连接是scala还是python都没关系，但我需要用spark做数据处理，然后在BigSql中持久化它。
浏览 11提问于2017-06-10得票数 0
2回答
hadoop和spark有什么区别？
hadoop、apache-spark
随着see在市场上的增长，我可以看到spark在Hadoop上的主要用例如下：
而且处理得很快。
火花会在未来几天取代Hadoop吗？
浏览 0提问于2015-07-08得票数 3
回答已采纳
1回答
是否可以使用spark的jdbc驱动程序将apache spark与jasper集成？
hadoop、jasper-reports、apache-spark、spark-streaming
我们想使用apache spark进行实时分析吗？我们目前使用hive/MR进行数据处理，使用mysqlsql存储聚合结果，并使用jasper报告进行分析？我们正在探索在hdfs或cassandra上运行apache spark的过程中，唯一的问题是spark是否有办法与jasper服务器集成？如果不是，还有什么UI选项可以与spark一起使用？
浏览 1提问于2015-02-21得票数 2
1回答
星火创建空avro文件的100个
apache-spark
我正在处理一个非常大的数据集使用火花。数据以avro文件的形式存储。数据还组织在目录结构中(/ data /yyyy/MM/dd/HH/)。数据处理代码如下val outputRDD = inputRDD.mapsc.createDataframe(outputRDD, outputSchema)
o
浏览 3提问于2016-03-18得票数 1
回答已采纳
1回答
可空字段在写入时更改
dataframe、apache-spark、apache-spark-sql
); sparkConf.setMaster(master);
sparkConf.setAppName("Local Spark
浏览 3提问于2016-09-26得票数 3
回答已采纳
1回答
Pyspark:将df写到具有特定名称的文件，plot
python、apache-spark、plot、pyspark、spark-dataframe
我正在使用最新版本的Spark(2.1.1)。我通过spark.read.csv读取了多个csv文件。使用此数据处理后，如何保存它以输出具有特定名称的csv文件。因为我的数据非常大，toPandas()会导致内存错误。我正在服务器上工作，希望将情节保存为图像，而不是显示。
浏览 0提问于2017-06-19得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频活动推荐
腾讯云开发者
