摘要：
1. 表中数据过亿，加载速度过慢，而我只需要加载增量数据 如：加载昨天一整天的数据，添加predicates分区，方法如下： 如果需要加载大表中全部数据，可以把数据分成多个区（读取数据库表默认是一个分区），如下是按创建时间分区，把最近三个月数据分成三个区 2.每次到了最后一个stage,报内存不足错 阅读全文
摘要：
一、sparkContext与sparkSession区别 任何Spark程序都是SparkContext开始的，SparkContext的初始化需要一个SparkConf对象，SparkConf包含了Spark集群配置的各种参数,sparkContext只能在driver机器上面启动;SparkS 阅读全文
摘要：
1.绘制折线图 2.绘制散点图 3.绘制水平条形图 4.绘制条形图 5.绘制饼图 6.绘制多条折线图 7.绘制多个条形图 阅读全文
摘要：
执行spark代码插入数据到hbase表中去的时候，遇到的错误 1. 缺少hadoop-mapreduce-client-core-2.5.1.jar包 2. 缺少hbase-protocol-1.3.1.jar包 3. 缺少metrics-core-2.2.0.jar的包 4. 需要的jar包 5 阅读全文
摘要：
访问hive报错如下： 找到原因是因为在spark-shell里面操作了hive的数据(spark应用创建表时，指定的schema版本为1.2.0，而hive的schema版本为2.3.x，版本不兼容导致) 解决方法一（临时解决）：首先查看你hive的版本，如若是2.3.4则到hive对应元数据的M 阅读全文
摘要：
1. YouCompleteMe按tab键，自动补全 2. vim-commentary添加注释，以及取消注释gcc 注释当前行（普通模式）gc 可视模式下，注释当前选中的部分gcu 撤销上一次注释的部分，可以是一行也可以是多行 3. vim分割窗口的操作:split 水平（上下）分割窗口:vspl 阅读全文
摘要：
问题： 注意到自己负责kafka的某个topic最小的偏移量为0，而最大的偏移量都7亿多了，说明存储在kafka里面的数据没有定时删除，通过登陆到kafka服务器，查看配置文件services.properties，发现log.retention.hours=876000（100年），我猜想配置ka 阅读全文
摘要：
说明：我们有一个业务需要把mysql中一些表实时同步到大数据集群hbase上面，我们先通过sqoop把表中数据全量导入到hbase中，然后再通过canal定位的某个binlog的position，来实现增量同步，canal官网提供了java/go接口，直接写入到Kafka，然后通过sparkstre 阅读全文
摘要：
我们现在需要监控datapre0这个任务每一次执行的进度，操作如下： 1. 如图所示，打开spark管理页面，找到对应的任务，点击任务名datapre0 2. 进去之后，获得对应IP和端口 3. 访问api（linux直接通过curl访问） http://ip:4040/api/v1/applica 阅读全文