《Spark核心技术与高级应用》——3.2节构建Spark的开发环境-低调大师

《Spark核心技术与高级应用》——3.2节构建Spark的开发环境

2017-05-01 621

本节书摘来自华章社区《Spark核心技术与高级应用》一书中的第3章，第3.2节构建Spark的开发环境，作者于俊　向海　代其锋　马海平，更多章节内容可以访问云栖社区“华章社区”公众号查看

3.2　构建Spark的开发环境
无论Windows或Linux操作系统，构建Spark开发环境的思路一致，基于Eclipse或Idea，通过Java、Scala或Python语言进行开发。安装之前需要提前准备好JDK、Scala或Python环境，然后在Eclipse中下载安装Scala或Python插件。
3.2.1　准备环境
准备环境包括JDK、Scala和Python的安装。
1.安装JDK
（1）下载JDK（1.7以上版本）
下载地址：http://www.oracle.com/technetwork/java/javase/downloads/in

微信关注我们

原文链接：https://yq.aliyun.com/articles/108469

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。

Spark源码分析 – Shuffle

参考详细探究Spark的shuffle实现, 写的很清楚, 当前设计的来龙去脉 Hadoop Hadoop的思路是, 在mapper端每次当memory buffer中的数据快满的时候, 先将memory中的数据, 按partition进行划分, 然后各自存成小文件, 这样当buffer不断的spill的时候, 就会产生大量的小文件所以Hadoop后面直到reduce之前做的所有的事情其实就是不断的merge, 基于文件的多路并归排序, 在map端的将相同partition的merge到一起, 在reduce端, 把从mapper端copy来的数据文件进行merge, 以用于最终的reduce 多路并归排序, 达到两个目的 merge, 把相同key的value都放到一个arraylist里面 sort, 最终的结果是按key排序的这个方案扩展性很好, 面对大数据也没有问题, 当然问题在效率, 毕竟需要多次进行基于文件的多路并归排序, 多轮的和磁盘进行数据读写…… Spark Spark的优势在于效率, 所以没有做merge sort, 这样省去多次磁盘读写当然这样会有扩展性问...

2017-05-02

494

2.6　特征提取在本节，我们的关注点将转向特征提取，特征提取是根据工作数据集中可用特征或信息扩展为新的特征或者变量。与此同时，我们将讨论一些Apache Spark中特征提取的特殊功能，以及Spark中与特征相关的便捷解决方案。学完本节之后，我们能够针对各种各样的机器学习项目开发并组织特征。 2.6.1　特征开发的挑战大部分的大数据机器学习项目通常都不能直接使用大数据集。例如，使用网络日志数据时，它经常以随机文本集形式呈现，显得非常混乱，我们需要从中提取对机器学习有用的信息和特征。例如，我们需要从网络日志数据提取点击次数和展示次数，这样才能使用许多文本挖掘工具和算法。对于任何特征提取，机器学习从业者需要决定：采用什么信息，生成哪些特征使用何种方法和算法提取什么特征取决于以下几种情况：数据可用性以及数据特性，比如处理数据缺失情况的难易

2017-05-02

591

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。

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。

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。