Apache Spark机器学习.1.5　Spark RDD和DataFrame-低调大师

Apache Spark机器学习.1.5　Spark RDD和DataFrame

2017-05-01 559

1.5　Spark RDD和DataFrame

本节关注数据以及Spark如何表示和组织数据。我们将介绍Spark RDD和DataFrame技术。

通过本节的学习，读者将掌握Spark的两个关键概念：RDD和DataFrame，并将它们应用于机器学习项目。

1.5.1　Spark RDD

Spark主要以一种分布式项集合的形式进行数据抽象，称之为弹性分布式数据集（Resilient Distributed Dataset，RDD）。RDD是Spark的关键创新，使其比其他框架计算更加快速和高效。

特别地，RDD是不可改变的对象集合，分布在集群之中。它静态地定义对象类型，例如RDD[T]对象类型则是T，主要有字符串RDD、整数RDD和对象RDD。

此外，RDD：

是基于用户划分的分布在集群上的对象集合

由并行转换器（如map和filter）创建

也

微信关注我们

原文链接：https://yq.aliyun.com/articles/84494

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

《Flume日志收集与MapReduce模式》一2.2　Flume配置文件概览

本节书摘来自华章出版社《Flume日志收集与MapReduce模式》一书中的第2章，第2.2节，作者［美］史蒂夫·霍夫曼（Steve Hoffman）斯里纳特·佩雷拉（Srinath Perera），更多章节内容可以访问云栖社区“华章计算机”公众号查看 2.2　Flume配置文件概览既然已经下载好了Flume，下面来花点时间看看如何配置代理。Flume代理的默认配置提供者使用了一个简单的键值对的Java属性文件，你需要在启动时向代理传递一个参数。由于可以在单个文件中配置多个代理，因此还需要额外传递一个代理标识符（叫作名字），这样它就知道该使用哪个代理了。在给出的示例中，我只指定了一个代理，使用agent这个名字。每个代理的配置都以下面这3个参数开始：每个源、通道与接收器在该代理的上下文中也有一个唯一的名字。比如，如果不打算传递A

2017-05-02

572

前言 Hadoop海量数据处理：技术详解与项目实战（第2版）为什么要写这本书2013年被称为“大数据元年”，标志着世界正式进入了大数据时代，而就在这一年，我加入了清华大学苏州汽车研究院大数据处理中心，从事Hadoop的开发、运维和数据挖掘等方面的工作。从出现之日起，Hadoop就深刻地改变了人们处理数据的方式。作为一款开源软件，Hadoop能让所有人享受到大数据红利，让所有人在大数据时代站在了同一起跑线上。Hadoop很好地诠释了什么是“大道至简，衍化至繁”，Hadoop来源于非常朴素的思想，但是却衍生出大量的组件，让初学者难以上手。我在学习和工作的过程中，走过很多弯路也做过很多无用功，尽管这是学习新技术的必由之路，但却浪费了大量的时间。我将自己学习和工作的心得记录下来，为了帮助更多像我当年一样的Hadoop学习者，我决定写一本书，一本自己开始Hadoop职业生涯的时候也想读到的书。目录基础篇： Hadoop基础第1章　绪论1.1　 Hadoop和云计算1.2　 Hadoop和大数据1.3　数据挖掘和商业智能1.4　小结第2章　环境准备2.1　 Hadoop的发行版本...

2017-05-02

606

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Oracle

Oracle Database，又名Oracle RDBMS，或简称Oracle。是甲骨文公司的一款关系数据库管理系统。它是在数据库领域一直处于领先地位的产品。可以说Oracle数据库系统是目前世界上流行的关系数据库管理系统，系统可移植性好、使用方便、功能强，适用于各类大、中、小、微机环境。它是一种高效率、可靠性好的、适应高吞吐量的数据库方案。

Apache Tomcat

Tomcat是Apache 软件基金会（Apache Software Foundation）的Jakarta 项目中的一个核心项目，由Apache、Sun 和其他一些公司及个人共同开发而成。因为Tomcat 技术先进、性能稳定，而且免费，因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可，成为目前比较流行的Web 应用服务器。

JDK

JDK是 Java 语言的软件开发工具包，主要用于移动设备、嵌入式设备上的java应用程序。JDK是整个java开发的核心，它包含了JAVA的运行环境（JVM+Java系统类库）和JAVA工具。