Apache Spark机器学习.2.5　数据集连接-低调大师

Apache Spark机器学习.2.5　数据集连接

2017-05-01 613

2.5　数据集连接

本节，我们将介绍数据连接的技术，并讨论Spark处理数据连接的特有的特征，以及一些使工作更容易进行的数据连接解决方案。

学习完本节，我们将有能力按照各类机器学习需要做数据连接。

2.5.1　数据连接及其工具——Spark SQL

为机器学习项目准备数据集时，我们一般需要组合多个数据集。关系表通过主键和外键进行连接。

连接两个及以上的数据集听起来容易，但做起来非常有挑战，并且非常耗时。在SQL语句中，SELECT是最常用的命令。作为例子，下面是一个执行连接的典型的SQL代码：

为执行上面提到的表连接任务，数据科学家和机器学习从业者经常使用他们熟悉的SQL工具。在Spark环境中，Spark SQL就是为此开发的工具。

Spark SQL能够让用户在Spark开发环境中使用SQL或 DataFrame API查询结构化数据，这

微信关注我们

原文链接：https://yq.aliyun.com/articles/84549

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。

《HBase管理指南》一第1章　HBase集群安装

本节书摘来异步社区《HBase管理指南》一书中的第1章，第1.1节，作者：蒋燚峰译者：苏南，更多章节内容可以访问云栖社区“异步社区”公众号查看。第1章　HBase集群安装 HBase管理指南本章内容：快速入门 Amazon EC2的安装及准备 Hadoop安装 ZooKeeper安装内核参数设置修改 HBase安装 Hadoop/ZooKeeper/HBase基本配置多个高可靠性（HA）主节点的安装

2017-05-02

542

本节书摘来异步社区《HBase管理指南》一书中的第1章，第1.1节，作者：蒋燚峰译者：苏南，更多章节内容可以访问云栖社区“异步社区”公众号查看。 1.1　简介本章将介绍HBase集群的安装方法，首先将介绍基本的单机运行模式的HBase实例的安装方法，然后介绍如何在Amazon EC2上安装完全分布式运行的高可靠性HBase集群。根据Apache HBase主页上的定义： HBase是Hadoop上的数据库。它适合在需要对大数据进行随机且实时读写的情况下使用。其目标是在基于商品化硬件构建的集群之上存储那些非常大的表——比如那些有数百万个字段和数十亿条记录的大表。 HBase可以在任何文件系统上运行。比如说，无论是在EXT4本地文件系统、Amazon S3（Amazon Simple Storage Service），还是Hadoop分布式文件系统（HDFS）上，都可以运行HBase。 HDFS是Hadoop首选的分布式文件系统，因此大多数完全分布式的HBase集群都运行在HDFS文件系统上，所以我们将首先介绍一下如何安装Hadoop。 Apache ZooKeeper是一个开源...

2017-05-02

452

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。