RDD( Resilient Distributed Dataset,彈性分布式數(shù)據(jù)集),是一個容錯的、并行的數(shù)據(jù)結(jié)構(gòu),可以讓用戶顯式地將數(shù)據(jù)存儲到磁盤和內(nèi)存中,并且還能控制數(shù)據(jù)的分區(qū)。對于迭代式計算和交互式數(shù)據(jù)挖掘,RDD可以將中間計算的數(shù)據(jù)結(jié)果保存在內(nèi)存中,若是后面需要中間結(jié)果參與計算時,則可以直接從內(nèi)存中讀取,從而可以極大地提高計算速度。查看全文>>
Scala語言可以在Windows、Linux、Mac OS等系統(tǒng)上編譯運行。由于Scala是運JVM平臺上的,所以安裝Scala之前必須配置好JDK環(huán)境(JDK版本要求不低于1.5)。查看全文>>
Scala是Scalable Language的簡稱,它是一門多范式的編程語言,其設(shè)計初衷是實現(xiàn)種可擴(kuò)展的語言,并集成面向?qū)ο缶幊毯秃瘮?shù)式編程的各種特性?;谶@個目標(biāo)與設(shè)計,Scala具有以下顯著的特性。查看全文>>
在Spark中,RDD是采用惰性求值,即每次調(diào)用行動算子操作,都會從頭開始計算。然而,每次調(diào)用行動算子操作,都會觸發(fā)一次從頭開始的計算,這對于迭代計算來說,代價是很大的,因為迭代計算經(jīng)常需要多次重復(fù)的使用同一組數(shù)據(jù)集,所以,為了避免重復(fù)計算的開銷,可以讓Spark對數(shù)據(jù)集進(jìn)行持久化。查看全文>>
完成虛擬機(jī)的安裝和網(wǎng)絡(luò)配置,雖然可以正常使用,但是工作中還需要遠(yuǎn)程操縱服務(wù)器進(jìn)行各項操作,所以就需要對虛擬機(jī)實行配置遠(yuǎn)程登錄和SSH免密登錄,進(jìn)行相關(guān)操作。接下來,就分別對這兩種服務(wù)配置進(jìn)行說明和詳細(xì)講解。查看全文>>
HBase是由Java語言開發(fā)的,它對外提供了Java API的接口。接下來,通過Java API來操作HBase分布式數(shù)據(jù)庫,包括增、刪、改以及查等對數(shù)據(jù)表的操作,具體操作步驟如下:查看全文>>