#
我们上篇文章中讲了，RDD的持久化是spark优化中必须掌握的，并且，在内存不足的情况下，我们可以将持久化类型选择为MEMORY_ONLY_SER，减少内存的占用，持久化更多的partition，并且
博文后续编辑中
RDD特性：1.RDD是spark提供的核心抽象，全称：Resillient Distributed Dataset,即弹性分布式数据集。2.RDD在抽象上来说是一种元素集合，包含了数据。它是被分区的
集群一共有3台机器,集群使用hadoop用户运行,3台机器如下:1DEV-HADOOP-01192.168.9.1102DEV-HADOOP-02192.168.9.1113DEV-HADOOP-03
参数$(selector).sparkline(values, options);typeOne of 'line' (default), 'bar', 'tristate', 'discr
这里以一个scala版本的word count 程序为例：①创建一个maven项目：②填写maven的GAV：③填写项目名称：④ 创建好 maven 项目后，点击 Enable Auto-Impo
由于需要用到很多第三方的包，比如numpy，pandas等，而生产环境又无法上网单个包安装太麻烦，因此考虑把之前安装的python的独立环境换成Anaconda的集成开发环境。以下是具体步骤：
一、到底什么是Shuffle？ Shuffle中文翻译为“洗牌”，需要Shuffle的关键性原因是某种具有共同特征的数据需要最终
Spark开源框架精彩学习资源分享——DT大数据梦工厂王家林知识类：https://github.com/JerryLead/SparkInternals（https://github.com/Jer
==> Spark 集群体系结构 ---> ==> Spark安装与部署
