Spark相对于Hadoop MapReduce有一个很显著的特性就是“迭代计算”（作为一个MapReduce的忠实粉丝，能这样说，大家都懂了吧），这在我们的业务场景里真的是非常有用。 假设我们有一个文本文件“datas”，每一行有三列数据，以“\t”分隔，模拟生成 ...

./bin/spark-sql -e "select count(1),count(distinct ip),substr(url,0,44) from tongji_log where domain ='xxx.com' and ds ='20170303' group by substr ...

1、介绍 　　spark SQL是构建在spark core模块上的四大模块之一，提供DataFrame等丰富的API，运行期间通过spark查询优化器翻译成物理执行计划，并行计算输出结果，底层计算原理用RDD计算实现。 2、standalone模式下的spark和hive集成 ...

　　dycopy :http://blog.csdn.net/dabokele/article/details/52802150 　Spark SQL中的DataFrame类似于一张关系型数据表。在关系型数据库中对单表或进行的查询操作，在DataFrame中都可以通过调用其API接口来实现 ...

3） 不同计算框架，其中spark-sql 都是基于yarn的 4）spark-sql ...

第一步：修个Hive的配置文件hive-site.xml 　　添加如下属性，取消本地元数据服务： 　　修改Hive元数据服务地址和端口： 　　然后把配置文件hive-site.xml拷贝到Spark的conf目录下 第二步：对于Hive元数据库使用 ...

大数据场景下，联表远比微小型关系型数据库中使用的频繁。网上有句话： 不同数据库引擎对JOIN的实现算法一般不同，我们最常用的mysql中的join实现是Nested Loop Join （ MySQL中Join算法实现原理通俗易懂_墨卿风竹的博客-CSDN博客），Spark中支 ...

SparkSQL是指整合了Hive的spark-sql cli, 本质上就是通过Hive访问HBase表，具体就是通过hive-hbase-handler, 具体配置参见：Hive(五):hive与hbase整合 目录： SparkSql 访问 hbase配置 测试 ...