#
我們上篇文章中講了，RDD的持久化是spark優化中必須掌握的，并且，在內存不足的情況下，我們可以將持久化類型選擇為MEMORY_ONLY_SER，減少內存的占用，持久化更多的partition，并且
博文后續編輯中
RDD特性：1.RDD是spark提供的核心抽象，全稱：Resillient Distributed Dataset,即彈性分布式數據集。2.RDD在抽象上來說是一種元素集合，包含了數據。它是被分區的
集群一共有3臺機器,集群使用hadoop用戶運行,3臺機器如下:1DEV-HADOOP-01192.168.9.1102DEV-HADOOP-02192.168.9.1113DEV-HADOOP-03
參數$(selector).sparkline(values, options);typeOne of 'line' (default), 'bar', 'tristate', 'discr
這里以一個scala版本的word count 程序為例：①創建一個maven項目：②填寫maven的GAV：③填寫項目名稱：④ 創建好 maven 項目后，點擊 Enable Auto-Impo
由于需要用到很多第三方的包，比如numpy，pandas等，而生產環境又無法上網單個包安裝太麻煩，因此考慮把之前安裝的python的獨立環境換成Anaconda的集成開發環境。以下是具體步驟：
一、到底什么是Shuffle？ Shuffle中文翻譯為“洗牌”，需要Shuffle的關鍵性原因是某種具有共同特征的數據需要最終
Spark開源框架精彩學習資源分享——DT大數據夢工廠王家林知識類：https://github.com/JerryLead/SparkInternals（https://github.com/Jer
==> Spark 集群體系結構 ---> ==> Spark安裝與部署
