大数据开发学习Day23

一、Linux

不解压,直接查看压缩包内文件内容
递归统计当前目录下所有文件总行数
查看服务器开机运行时长

bash 复制代码
zcat app.log.gz
find . -type f -exec cat {} \; | wc -l
uptime

二、SQL

610. 判断三角形

sql 复制代码
SELECT
    x, y, z,
    CASE
        WHEN x + y > z AND x + z > y AND y + z > x
        THEN 'Yes'
        ELSE 'No'
    END AS triangle
FROM Triangle;

CASE 多条件分支 自定义字段

三角形判定核心:任意两边之和大于第三边

单列衍生标签,数仓打标签通用写法

619. 只出现一次的最大数字

sql 复制代码
SELECT MAX(num) AS num
FROM (
    SELECT num
    FROM MyNumbers
    GROUP BY num
    HAVING COUNT(*) = 1
) t;

内层分组筛选单次数据

外层聚合取最大值

子查询嵌套、极值统计经典模板

1075. 项目员工 I

sql 复制代码
SELECT
    p.project_id,
    ROUND(AVG(e.experience_years), 2) AS average_years
FROM Project p
LEFT JOIN Employee e
ON p.employee_id = e.employee_id
GROUP BY p.project_id;

多表 LEFT JOIN 关联维度表

AVG + ROUND 保留小数

项目 / 团队维度指标统计,贴合业务报表

三、Pyspark

python 复制代码
from pyspark.sql import SparkSession
from pyspark.sql.functions import col, avg, round, count

spark = SparkSession.builder.master("local[*]").appName("Day23").getOrCreate()

# 1. 条件打标签 对应 LC610
tri = spark.createDataFrame([(3,4,5),(1,2,3)],["x","y","z"])
tri.createOrReplaceTempView("triangle")
spark.sql("""
SELECT x,y,z,
CASE WHEN x+y>z AND x+z>y AND y+z>x THEN 'Yes' ELSE 'No' END AS triangle
FROM triangle
""").show()

# 2. 分组筛选+求最大 对应 LC619
num_df = spark.createDataFrame([(1,),(2,),(2,)],["num"])
num_df.groupBy("num").count().filter(col("count")==1)\
     .selectExpr("max(num) as num").show()

# 3. 多表关联+平均值保留2位 对应 LC1075
proj = spark.createDataFrame([(1,101),(1,102)],["project_id","employee_id"])
emp = spark.createDataFrame([(101,"A",3),(102,"B",5)],["employee_id","name","exp"])

proj.join(emp,on="employee_id")\
    .groupBy("project_id")\
    .agg(round(avg("exp"),2).alias("avg_year"))\
    .show()

spark.stop()

SparkSQL 直接复用 SQL 逻辑,快速迁移

分组过滤、聚合求值、小数保留

事实表 + 维度表关联,数仓日常开发标配

四、算法

python 复制代码
class ListNode:
    def __init__(self,val=0,next=None):
        self.val = val
        self.next = next

def reverseList(head):
    pre = None
    cur = head
    while cur:
        nxt = cur.next
        cur.next = pre
        pre = cur
        cur = nxt
    return pre
相关推荐
阿里云大数据AI技术1 天前
StarRocks x Fluss x Paimon湖流一体方案:构建秒级响应、湖流一体的实时数据引擎
大数据·人工智能
Databend1 天前
Agent 轨迹分析与归因的数据工程实践
大数据·数据库·agent
喵个咪1 天前
Go Wind UBA 拆解系列 - 架构总览:三服务、数据流与契约优先
大数据·后端·go
喵个咪1 天前
Go Wind UBA 拆解系列 - 多租户与安全:两套隔离机制的边界
大数据·后端·go
喵个咪1 天前
Go Wind UBA 拆解系列 - OLAP 与 SQL 硬核:25 个分析模型怎么落地
大数据·后端·go
喵个咪1 天前
Go Wind UBA 拆解系列 - SDK 与采集层:从浏览器到 Kafka
大数据·后端·go
QCC产品中心1 天前
MiniMax Agent 接入实测:企业查询、股权穿透与 UBO 识别(附 Prompt 模板)
大数据·mcp·金融/非金融
SelectDB2 天前
Apache Doris Python UDF:让 SQL 直接调用 Python 生态,支撑 Agent 时代复杂业务逻辑
大数据·数据库·python
ApacheSeaTunnel2 天前
当多表数据涌入,Apache SeaTunnel 如何巧妙化解主键冲突?
大数据·开源·数据集成·seatunnel·技术分享·数据同步
大大大大晴天5 天前
Hudi Metadata Table 与 Hive Sync (HMS)怎么选?
大数据