没有合适的资源?快使用搜索试试~ 我知道了~
Data-Lake-with-Spark:带有Spark的Data Lake
共4个文件
cfg:1个
md:1个
png:1个
需积分: 10 0 下载量 88 浏览量
2021-04-06
20:19:35
上传
评论
收藏 44KB ZIP 举报
温馨提示
使用Spark构建Data Lake的示例项目 启动预装了Spark的AWS EMR集群 使用PySpark创建了ETL管道 创建了1个事实表和4个维表作为实木复合地板文件加载回S3。 笔记 Song metadata是最初来自http://millionsongdataset.com/的子集。 Log data集正在模拟一个名为Sparkify的虚构音乐流应用程序上的用户活动。 这两个数据集都位于Udacity的S3存储桶中,可以在以下位置找到: s3://udacity-dend/log_data s3://udacity-dend/song_data ETL管道 ETL管道etl.py使用Python(PySpark)和Spark SQL: 从s3中提取json文件 将它们转换为PySpark DataFrames 将它们作为拼花文件重新加载到s3中,以进行分析 运行ET
资源推荐
资源详情
资源评论
收起资源包目录
Data-Lake-with-Spark-main.zip (4个子文件)
Data-Lake-with-Spark-main
dl.cfg 47B
README.md 2KB
starschema.png 47KB
etl.py 7KB
共 4 条
- 1
资源评论
彷徨的牛
- 粉丝: 55
- 资源: 4720
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功