Apache Spark API-k referenciája

Az Azure Databricks az Apache Sparkra, a big data és a gépi tanulás egységes elemzési motorjára épül. További információkért tekintse meg az Apache Spark áttekintését.

Az Apache Spark több nyelven is rendelkezik DataFrame API-kkal a nagyméretű adathalmazokon való üzemeltetéshez, amelyek több mint 100 operátort tartalmaznak.

• PySpark API-k Python-fejlesztőknek. Lásd az oktatóanyagot: Adatok betöltése és átalakítása Apache Spark DataFrame-ekkel. A fő osztályok a következők:
  • SparkSession – A Spark adatkészlettel és DataFrame API-val való programozásának belépési pontja.
  • DataFrame – Elnevezett oszlopokba csoportosított elosztott adatgyűjtemény. Lásd: DataFrames és DataFrame-alapú MLlib.
• (Elavult) SparkR API-k R-fejlesztők számára. A fő osztályok a következők:
  • SparkSession – A SparkSession a SparkR belépési pontja. Lásd : Kezdőpont: SparkSession.
  • SparkDataFrame – Elnevezett oszlopokba csoportosított elosztott adatgyűjtemény. Lásd : Adathalmazok és adatkeretek, adatkeretek létrehozása és SparkDataFrame-ek létrehozása.
• Scala API-k Scala-fejlesztőknek. A fő osztályok a következők:
  • SparkSession – A Spark adatkészlettel és DataFrame API-val való programozásának belépési pontja. Lásd : Kezdőpont: SparkSession.
  • Adatkészlet – Tartományspecifikus objektumok erősen gépelt gyűjteménye, amelyek funkcionális vagy relációs műveletek használatával párhuzamosan átalakíthatók. Mindegyikhez Dataset tartozik egy "DataFrame" nevű, nem típushoz kötött nézet is, amely egy DatasetSor. Lásd: Adathalmazok és adatkeretek, adathalmazok létrehozása, Adatkeretek létrehozása és DataFrame-függvények.
• Java API-k Java-fejlesztőknek. A fő osztályok a következők:
  • SparkSession – A Spark adatkészlettel és DataFrame API-val való programozásának belépési pontja. Lásd : Kezdőpont: SparkSession.
  • Adatkészlet – Tartományspecifikus objektumok erősen gépelt gyűjteménye, amelyek funkcionális vagy relációs műveletek használatával párhuzamosan átalakíthatók. Mindegyikhez Dataset tartozik egy "DataFrame" nevű, nem típushoz kötött nézet is, amely egy DatasetSor. Lásd: Adathalmazok és adatkeretek, adathalmazok létrehozása, Adatkeretek létrehozása és DataFrame-függvények.

Az Apache Spark API-k Azure Databricksen való használatához lásd:

• PySpark az Azure Databricksben
• Azure Databricks R-fejlesztőknek
• Azure Databricks Scala-fejlesztőknek
• Java esetén a Java-kódot JAR-feladatként futtathatja.