看一下lightGBM有没有on spark版本的 如果是训练的数据一般不会选这么多数据

单机模式在一台单机上运行，没有分布式文件系统，而是直接读写本地操作系统的文件系统。
伪分布模式（也是在一台单机上运行，但用不同的Java进程模仿分布式运行中的各类结点 伪分布模式在“单节点集群”上运行Hadoop，其中所有的守护进程都运行在同一台机器上。

这个貌似不行 你可以同时加载两个位置为两个表 然后取判断这两个表哪个表的数据是空

单机模式在一台单机上运行，没有分布式文件系统，而是直接读写本地操作系统的文件系统。
伪分布模式（也是在一台单机上运行，但用不同的Java进程模仿分布式运行中的各类结点 伪分布模式在“单节点集群”上运行Hadoop，其中所有的守护进程都运行在同一台机器上。

reduce的时候统计就可以了，两个数据源的联合统计也是需要合在一起统计

具体情形是什么样的？什么场景 多少数据 为什么多个关联

挺好看得 如果没法改就删除了 重新下载一个pycharm试试

计算机中的浮点数都是近似的 不能准确表示 所以适当的留一下小数点后的位数的数目

Oracle、SQL、Mongodb这些对实时性要求比较强的和hadoop的设计初衷有些不一样，这些实时数据处理是OLTP的场景，hadoop是OLAP的数据场景，所以你可以认为不支持替代，但是可以和hadoop配合使用

生态系统，顾名思义就是很多组件组成的一个生态链，经过多年的发展，Hadoop生态系统不断完善和成熟，目前已经包括了多个子项目，除了核心的HDFS和MapReduce以外，Hadoop生态系统还包括要ZoopKer、HBase、Hive、Pig、Mahout、Sqoop、Flume、Ambari等功能组件。这些组件几乎覆盖了目前业界对数据处理的所有场景。

time.localtime()不就是当地时间吗

端口自己定就行了 不被占用就可以 最好有规律可循

集群模式提交不起作用？是没有调用还是调用报错了？