最近学习了spark的相关内容,其中spark是具有分布式数据集RDD的,在RDD的基础上又可以生成DataFrame,DataFrame相比RDD它抽象成传统的二维表结构,同时还具有schema元数据信息方便管理和使用。如果要使用spark.sql查询的话需要将df预注册为临时表才能使用sql形式查询。但是在完成了spark和hive的集成后(spark on hive)元数据可以由metastore来管理,sparksql可以直接查询表格,无需将df预注册为临时表。而紧接着又有spark Thriftserver,通过启动该服务,可以直接免去创建dataframe等一系列的操作,仅仅按照sql操作即可。那么dataframe,rdd相关语法懂得了的话在开发的过程中又有什么用途呢,或者有什么优势呢?
1条回答 默认 最新
- Hub-Link 2022-11-30 11:23关注
那么dataframe,rdd相关语法懂得了的话在开发的过程中又有什么用途呢,或者有什么优势呢?----- 这些懂了可以更加清楚spark的数据转换过程,知道的底层更对多对写代码的优化会更加好
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏 举报
悬赏问题
- ¥15 装 pytorch 的时候出了好多问题,遇到这种情况怎么处理?
- ¥20 IOS游览器某宝手机网页版自动立即购买JavaScript脚本
- ¥15 手机接入宽带网线,如何释放宽带全部速度
- ¥30 关于#r语言#的问题:如何对R语言中mfgarch包中构建的garch-midas模型进行样本内长期波动率预测和样本外长期波动率预测
- ¥15 ETLCloud 处理json多层级问题
- ¥15 matlab中使用gurobi时报错
- ¥15 这个主板怎么能扩出一两个sata口
- ¥15 不是,这到底错哪儿了😭
- ¥15 2020长安杯与连接网探
- ¥15 关于#matlab#的问题:在模糊控制器中选出线路信息,在simulink中根据线路信息生成速度时间目标曲线(初速度为20m/s,15秒后减为0的速度时间图像)我想问线路信息是什么