利用Spark、Python、FineBi和爬虫进行智联招聘数据分析

本书致力于探讨如何通过R和Hadoop平台实现可扩展的数据分析操作。适合数据科学家、统计学家、数据架构师和工程师，帮助他们处理和分析大规模信息。

将详细介绍如何使用Python进行高效的数据分析，特别是在处理大数据集时。我们提供了一个实际的案例，包括一个名为“案例数据.xlsx”的Excel文件以及用于分析的Python脚本“利用Python进行数据分析.py”。Excel文件“案例数据.xlsx”包含多张工作表，使用pandas库可以轻松读取和操作。数据分析涵盖了加载数据、预处理、清洗、统计分析和数据可视化等多个步骤。

Frank Kane 的《利用 Apache Spark 和 Python 驯服大数据》将手把手地带您学习 Apache Spark。Frank 将首先教您如何在单个系统或集群上设置 Spark，随后您将学习使用 Spark RDD 分析大型数据集，并使用 Python 快速开发和运行高效的 Spark 作业。 Apache Spark 已成为大数据领域的下一个热门技术——在短短几年内，它便从一项新兴技术迅速崛起为一颗耀眼的明星。Spark 允许您实时地从海量数据中快速提取可操作的见解，使其成为许多现代企业必不可少的工具。 Frank 在这本书中融入了超过 15 个与现实世界相关的互动式趣味示例，他将使您能够理解 Spark 生态系统，并轻松地实施生产级的实时 Spark 项目。

第三章中的基础查询包括以下内容：普通用户连接方式为Conn scott/tiger，超级管理员连接为Conn “sys/sys as sysdba”，断开连接使用Disconnect命令，并保存SQL到文件c:\1.txt，使用Ed命令编辑SQL语句，运行SQL语句用@ c:\1.txt。查询命令包括Desc emp用于描述Emp表结构，Select * from tab查看该用户下的所有对象，Show user显示当前用户信息。在sys用户下查询Emp表时，应使用Select * from scott.emp命令，否则会报错。此外，第3.2节介绍了SQL的基本概念，全称为结构化查询语言，是标准的数据库查询语言。1986年10月，美国ANSI对SQL进行了规范，成为关系数据库管理系统的标准语言（ANSI X3. 135-1986），并得到国际标准组织的支持，尽管各种数据库系统对SQL规范进行了一些调整和扩展，因此不同的数据库系统之间的SQL语句可能不完全通用。SQL语句分为DML语句（数据操作语言）如Insert、Update、Delete、Merge，DDL语句（数据定义语言）如Create、Alter、Drop、Truncate，DCL语句（数据控制语言）如Grant、Revoke，以及事务控制语句如Commit、Rollback、Savepoint。

随着数据科学的发展，Python成为了数据分析的主力工具之一。Spark SQL作为Python数据处理的重要组成部分，提供了强大的数据处理能力。

这本书详细阐述了如何运用Python编写网络爬虫程序，内容涵盖了网络爬虫的基础知识及三种数据抓取方法，数据缓存的提取技巧，以及如何利用多线程和进程实现并发抓取。此外，书中还介绍了动态页面内容的抓取方法，处理验证码的技术，以及使用Scrapy和Portia进行数据抓取的实用技巧。最后，书中通过实例演示了如何应用所学技术对多个真实网站进行数据抓取，帮助读者更好地掌握和应用书中的技术。

该程序用于从招聘网站抓取数据。

16.8、使用Spark进行大数据分析时的索引问题是一个重要的课题：1. 一个表的查询语句是否可以同时使用两个索引？2. 如果可以，其实现原理是怎样的？3. 查询效率如何？代价如何？在额外开销等方面有何影响？答案如下：1. 一个表的查询语句可以同时使用两个索引。例如：在表t(x,y,z)上分别建立了索引index1,index2,index3，当执行查询select * from t where x=1 and y=2时，将分别使用index1和index2。2. 索引是数据库中独立于表存在的对象，用于对基表进行排序（默认为B树索引，即二叉树排序方式）。3. 使用索引的查询效率通常高于全表扫描（table access full），但会占用额外的数据库空间，并增加维护成本。建议在经常查询x=?和y=?时，使用组合索引index(x,y)以提升效率。需要注意的是，在使用组合索引index(x,y,z)时，查询条件中出现的x,xyz,yzx可以使用该索引，但y,yz,z则不能。详细内容请参考原文。

第八章高级查询8.1、通过Spark进行大数据分析时，为了获取更多样的数据视角，可以使用随机返回的技巧来查询。执行SQL语句：Select * from (select ename,job from emp order by dbms_random.value()) where rownum，可以有效地优化数据查询的效率。