小华给大家谈谈pyspark中文文档，以及pyspark运行py文件应用的知识点，希望对你所遇到的问题有所帮助。

pyspark中文文档 pyspark运行py文件

pyspark中文文档 pyspark运行py文件

1、导读：章：初识Hadoop第二章：更高效的WordCount第三章：把别处的数据搞到Hadoop上第四章：把Hadoop上的数据搞到别处去第五章：快一点吧，我的SQL第六章：一夫多妻制第七章：越来越多的分析任务第八章：我的数据要实时第九章：我的数据要对外第十章：高大上的机器学习经常有初学者会问，自己想往大数据方向发展，该学哪些技术，学习路线是什么样的，觉得大数据很火，就业很好，薪资很高……首先，如果你确定了想往这个方面发展，先考虑自己的过去从业经历、专业、兴趣是什么。

2、计算机专业——作系统、硬件、网络、？软件专业——软件开发、编程、写代码？还是数学、统计学专业——对数据和数字特别感兴趣？其实这就是想告诉你大数据的三个发展方向，平台搭建/优化/运维/、大数据开发/设计/架构、数据分析/挖掘。

3、先扯一下大数据的4V特征：数据量大，TB->PB数据类型繁多，结构化、非结构化文本、日志、视频、、地理位置等；商业价值高，但是这种价值需要在海量数据之上，通过数据分析与机器学习更快速的挖掘出来；处理时效性高，海量数据的处理需求不再局限在离线计算当中。

4、现如今，正式为了应对大数据的这几个特点，开源的大数据框架越来越多，越来越强，先列举一些常见的：文件存储：Hadoop HDFS、Tachyon、KFS离线计算：Hadoop MapReduce、Spark流式、实时计算：Storm、Spark Streaming、S4、HeronK-V、NOSQL数据库：HBase、Redis、MongoDB资源管理：YARN、Mesos日志收集：Flume、Scribe、Logstash、Kibana消息系统：Kafka、StormMQ、ZeroMQ、RabbitMQ查询分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid分布式协调服务：Zookeeper集群管理与：Ambari、Ganglia、Nagios、Cloudera Mar数据挖掘、机器学习：Mahout、Spark MLLib数据同步：Sqoop任务调度：Oozie······章：初识Hadoop1.1 学会百度与Google不论遇到什么问题，先试试搜索并自己解决。

5、Google，翻不过去的，就用百度吧。

6、1.2 参考资料文档特别是对于入门来说，文档永远是文档。

7、相信搞这块的大多是文化人，英文凑合就行，实在看不下去的，请参考步。

8、1.3 先让Hadoop跑起来Hadoop可以算是大数据存储和计算的开山鼻祖，现在大多开源的大数据框架都依赖Hadoop或者与它能很好的兼容。

9、关于Hadoop,你至少需要搞清楚以下是什么：Hadoop 1.0、Hadoop 2.0MapReduce、HDFSNameNode、DataNodeJobTracker、TaskTrackerYarn、ResourceMar、NodeMar自己搭建Hadoop，请使用步和第二步，能让它跑起来就行。

10、建议先使用安装包命令行安装，不要使用管理工具安装。

11、另外：Hadoop1.0知道它就行了，现在都用Hadoop 2.0.1.4 尝试使用HadoopHDFS目录作命令；上传、下载文件命令；提交运行MapReduce示例程序；打开Hadoop WEB界面，查看Job运行状态，查看Job运行日志。

12、知道Hadoop的系统日志在哪里。

13、1.5了解它们的原理MapReduce：如何分而治之；HDFS：数据到底在哪里，什么是副本；Yarn到底是什么，它能干什么；NameNode到底在干些什么；ResourceMar到底在干些什么；1.6 自己写一个MapReduce程序仿照WordCount例子，自己写一个（照抄也行）WordCount程序，打包并提交到Hadoop运行。

14、不会Ja的话，Shell、Python都可以，有个东西叫Hadoop Streaming。

15、如果能认真完成了以上几步，恭喜你，你的一只脚已经进来了。

本文到这结束，希望上面文章对大家有所帮助。