PySpark实战：简介

介绍

ETL是 Extract、Transform和Load的简称，用来描述将数据从数据源经过抽取（Extract）、转换（Transform）和加载（Load)至终端的一系列处理过程。

ETL可以说是大数据分析、数据挖掘和机器学习中必不可少的一个环节。

有不少大数据或者机器学习项目，大部分的精力与时间都用在ETL工具进行数据处理上。

内容

• PySpark对数据进行抽取
• PySpark对数据进行转换
• PySpark对数据进行存储