赞
踩
BigData之Spark:Spark(大数据通用的分布式开源计算引擎)的简介、下载、经典案例之详细攻略
目录
4、Prediction with Logistic Regression
Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架,Spark,拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是Job中间输出结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
Spark 是一种与 Hadoop 相似的开源集群计算环境,但是两者之间还存在一些不同之处,这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越,换句话说,Spark 启用了内存分布数据集,除了能够提供交互式查询外,它还可以优化迭代工作负载。
Spark 是在 Scala 语言中实现的,它将 Scala 用作其应用程序框架。与 Hadoop 不同,Spark 和 Scala 能够紧密集成,其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。
尽管创建 Spark 是为了支持分布式数据集上的迭代作业,但是实际上它是对 Hadoop 的补充,可以在 Hadoop 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。Spark 由加州大学伯克利分校 AMP 实验室 (Algorithms, Machines, and People Lab) 开发,可用来构建大型的、低延迟的数据分析应用程序。
- text_file = sc.textFile("hdfs://...")
- counts = text_file.flatMap(lambda line: line.split(" ")) \
- .map(lambda word: (word, 1)) \
- .reduceByKey(lambda a, b: a + b)
- counts.saveAsTextFile("hdfs://...")
- def inside(p):
- x, y = random.random(), random.random()
- return x*x + y*y < 1
-
- count = sc.parallelize(xrange(0, NUM_SAMPLES)) \
- .filter(inside).count()
- print "Pi is roughly %f" % (4.0 * count / NUM_SAMPLES)
- textFile = sc.textFile("hdfs://...")
-
- # Creates a DataFrame having a single column named "line"
- df = textFile.map(lambda r: Row(r)).toDF(["line"])
- errors = df.filter(col("line").like("%ERROR%"))
- # Counts all the errors
- errors.count()
- # Counts errors mentioning MySQL
- errors.filter(col("line").like("%MySQL%")).count()
- # Fetches the MySQL errors as an array of strings
- errors.filter(col("line").like("%MySQL%")).collect()
- # Every record of this DataFrame contains the label and
- # features represented by a vector.
- df = sqlContext.createDataFrame(data, ["label", "features"])
-
- # Set parameters for the algorithm.
- # Here, we limit the number of iterations to 10.
- lr = LogisticRegression(maxIter=10)
-
- # Fit the model to the data.
- model = lr.fit(df)
-
- # Given a dataset, predict each point's label, and show the results.
- model.transform(df).show()
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。