Menü
Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.
Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Ein direkter Befehl überspringt den Prüf-Prompt. Prüfen Sie die Quelle, bevor Sie ihn ausführen.
npx skills add https://github.com/ffsshhttiikk/opencode-agents-skills --skill big-dataDer Befehl bleibt in einer Zeile. Scrollen Sie horizontal, um ihn vor dem Kopieren vollständig zu prüfen.
Sie bevorzugen eine lokale Kopie? Laden Sie die Dateien herunter, die SkillsMP derzeit vorliegen.
SKILL.md wird angezeigt
| name | big-data |
| description | Big data processing and systems |
| license | MIT |
| compatibility | opencode |
| metadata | {"audience":"data-engineers","category":"data-science"} |
Use me when:
from pyspark.sql import SparkSession
from pyspark.sql.functions import col, sum, avg
spark = SparkSession.builder \
.appName("Analytics") \
.config("spark.sql.shuffle.partitions", 200) \
.getOrCreate()
# Read from multiple sources
df = spark.read \
.parquet("s3://data-lake/raw/events/") \
.filter(col("date") >= "2024-01-01")
# Transform and aggregate
result = df.groupBy("user_id", "product_category") \
.agg(
sum("purchase_amount").alias("total_spent"),
avg("purchase_amount").alias("avg_purchase"),
count("*").alias("num_purchases")
) \
.orderBy(col("total_spent").desc())
# Write aggregated results
result.write \
.mode("overwrite") \
.partitionBy("product_category") \
.parquet("s3://data-warehouse/analytics/")
Basierend auf der SOC-Berufsklassifikation