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

2017-05-01 653

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

2017-05-01

578

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...

2017-05-01

498

资源下载

更多资源

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。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。