Spark 2.2.x 中文文档
摘要：
Spark 2.2.x 中文文档 阅读全文
posted @ 2021-09-03 11:28 RICH-ATONE 阅读(98) 评论(0) 推荐(0) 编辑
2021年9月3日 #
2021年9月1日 #
2021年8月31日 #
idea把目录项目转为module模块
摘要：
参考： https://www.cnblogs.com/xinxin1994/p/10898318.html 阅读全文
posted @ 2021-08-31 16:48 RICH-ATONE 阅读(746) 评论(0) 推荐(0) 编辑
2021年8月30日 #
Spark中的 aggregate 方法详解
摘要：
函数解析： 1. 参数：(zeroValue: U) (seqOp: (U, T) ⇒ U, combOp: (U, U) ⇒ U)2. 作用：aggregate函数将每个分区里面的元素通过seqOp和初始值进行聚合，然后用combine函数将每个分区的结果和初始值(zeroValue)进行comb 阅读全文
posted @ 2021-08-30 18:03 RICH-ATONE 阅读(928) 评论(0) 推荐(0) 编辑
假如Kafka集群中一个broker宕机无法恢复, 应该如何处理?
摘要：
如果服务器真的坏了, 只需要新启动一个broker, 把broker.id设置为 损坏的那个broker的id, 就会自动复制过去丢失的数据 How to replace a failed broker? When a broker fails, Kafka doesn't automaticall 阅读全文
posted @ 2021-08-30 10:30 RICH-ATONE 阅读(399) 评论(0) 推荐(0) 编辑
2021年8月27日 #
关于kafka中ISR、AR、HW、LEO、LSO、LW的含义详解
摘要：
一、kafka replication 1.当某个topic的replication-factor为N且N大于1时，每个Partition都会有N个副本(Replica)。kafka的replica包含leader与follower。 2.Replica的个数小于等于Broker的个数，也就是说，对 阅读全文
posted @ 2021-08-27 18:56 RICH-ATONE 阅读(1759) 评论(0) 推荐(0) 编辑
2021年8月26日 #
hive解决小文件过多的问题
摘要：
针对小文件问题，一般可以再采集端（flume）进行合并，后期的话可以针对如下方式进行解决： 相比map个数的控制复杂性，reduce个数的设定要相对简单多了，reduce的个数一般最后决定了输出文件的个数， 二者相等，如果想多输出文件的个数（这样文件变小，但有可能程序变慢），那么可以人为增加redu 阅读全文
posted @ 2021-08-26 15:58 RICH-ATONE 阅读(1319) 评论(0) 推荐(0) 编辑
2021年8月12日 #
Hadoop支持Lzo压缩配置及flume采集案例
摘要：
一、hadoop支持Lzo压缩配置 1）hadoop本身并不支持lzo压缩，故需要使用twitter提供的hadoop-lzo开源组件。hadoop-lzo需依赖hadoop和lzo进行编译，编译步骤如下。2）将编译好后的hadoop-lzo-0.4.20.jar 放入hadoop-2.7.2/sh 阅读全文
posted @ 2021-08-12 15:01 RICH-ATONE 阅读(330) 评论(0) 推荐(0) 编辑
2021年8月11日 #
Hadoop文件存储格式及Hive数据压缩
摘要：
一、文件的存储格式 1.TEXTFILE 创建表时的默认文件格式，数据被存储成文本格式。文本文件可以被分割和并行处理，也可以使用压缩，比如GZip、LZO或者Snappy。然而大部分的压缩文件不支持分割和并行处理，会造成一个作业只有一个mapper去处理数据，使用压缩的文本文件要确保文件不要过大，一 阅读全文
posted @ 2021-08-11 18:51 RICH-ATONE 阅读(633) 评论(0) 推荐(1) 编辑
2021年7月26日 #
