Repo de la clase de Pyspark para Fuentes_2024

En una carpeta nueva FUERA DEL REPOSITORIO DE FUENTE DE DATOS vamos a clonar el repositorio de git de la clase de la siguiente manera:

git clone [email protected]:ANDIRIOUS/Pyspark.git

Una vez tengamos el repositorio en nuestra computadora tenemos que montar el docker. Nota: el siguiente comando se ejecuta parado dentro de la carpeta del repositorio que acabamos de clonar Nota 2: PySpark es un poco pesado, no se proecupen si se tarda en hacer la imagen.

docker build -t pyspark .

Ahora vamos a correr el docker que nos va a generar un jypiter notebook en el browser.

docker run -p 8888:8888 pyspark

Se va a quedar pensando en algún punto. Si esto pasa busquen la línea en la terminal que diga "Jupyter Notebook running at:" Denle control click en el segundo link que aparece: http://127.0.0.1:8888/lab
Esto los deberá llevar al jupyter notebook en su browser con el que trabajaremos el resto de la clase.

Para entregar la tarea hagan un fork de este repositorio y súbanla en la carpeta de tareas. Su tarea debe traer su clave única en el nombre del archivo. Para la tarea utilicen cuantas celdas necesiten. No necesitan/pueden hacerlo todo en una celda.