大数据课程-------hadoop部分

1.namenode元数据管理：

 

 2.linux shell脚本日志采集上传到hdfs脚本

https://www.cnblogs.com/biehongli/p/9010933.html

3.yarn 资源调度器

FIFO(先进先出)调度器

容量调度器（浪费资源）

公平调度器（动态分配）（最优）

4.hive 的桶表不能通过load加载数据，否则达不到桶的效果。

 

 

 

 

 

 5.hive中的join(exists性能比较低，可以使用left semi join 替代)

6.hive中使用transform实现使用脚本对数据进行处理

https://www.jianshu.com/p/4b7baa050738

7.https://blog.csdn.net/Post_Yuan/article/details/78845273

8.flume采集目录中的文件

【注意点】使用source  spooldir采集目录中文件时，不能有同名的文件，否则报错

flume采集文件中的日志

 

拦截器：使用在source 和channel之间

时间戳拦截器，主机拦截器，静态拦截器，正则过滤拦截器，自定义拦截器

flume的故障转移failover (https://www.cnblogs.com/shay-zhangjin/p/7946282.html) 

flume 负载均衡：load_balance（https://blog.csdn.net/weixin_42641909/article/details/88812785）

9.hbase列族越多，在取一行数据时所要参与IO,搜寻的文件就越多，所以，如果没有必要，不要设置太多的列族。

10.habase的读写过程：

 

 

 

 

 

 

 布隆过滤器：

 

 hbase的预分区：

 hbase协处理器：【https://blog.csdn.net/moshang_3377/article/details/90723983】