摘要：
版本 hive：apache-hive-2.1.0 sqoop：sqoop-1.4.6 hadoop：hadoop-2.7.3 导入方式 1.append方式 2.lastmodified方式，必须要加--append（追加）或者--merge-key（合并，一般填主键） 创建mysql表并添加数据 阅读全文
摘要：
需求 求每年的最高气温，年份升序，温度求最高 数据源内容如下 temperature.txt 思路 需要排序2次，先比较年份，再比较相同年份下，温度最高的值，也就是说需要对2个纬度的值做排序。但是hadoop只能够在key上进行排序，所以气温和年份的值都得放在key里面，也就是需要创建自定义组合ke 阅读全文
摘要：
相同 都是对分区进行操作 不同 1、foreachpartition是Action操作，mappartition是Transformation操作 2、foreachpartition无返回值，mappartition有返回值 3、foreachpartition一般都是在程序末尾比如说要落地数据到 阅读全文
摘要：
需求 不同的key输出到不同的文件 txt文件 multiple.txt Java 结果 part-r-00000为框架自动生成的空文件，可忽略 阅读全文
摘要：
需求 不同的key输出到不同的文件 txt文件 multiple.txt scala代码 import org.apache.hadoop.mapred.lib.MultipleTextOutputFormat import org.apache.spark.{SparkConf, SparkCon 阅读全文
摘要：
call by value：会先计算参数的值，然后再传递给被调用的函数 call by name：参数会到实际使用的时候才计算 定义方法 def return1():Int = { println("calling...") 1 } def callByValue(x: Int) = { print 阅读全文
摘要：
需求 两张表，一张click表记录某广告某一天的点击量，另一张total_click表记录某广告的总点击量 建表 pom依赖 代码 自定义类 Writable是为了与MapReduce进行对接，而DBWritable是为了与MySQL进行对接。 Map Reduce App 阅读全文
摘要：
区别： repartition底层调用的是coalesce方法，默认shuffle coalesce方法的shuffle参数默认为false，默认不shuffle 使用场景： 如果你减少分区数，考虑使用coalesce，这样可以避免执行shuffle。但是假如内存不够用，可能会引起内存溢出。 阅读全文
摘要：
读取： 1) 客户端调用 DistributedFileSystem 的 Open() 方法打开文件。2) DistributedFileSystem 用 RPC 连接到 NameNode，请求获取文件的数据块的信息；NameNode 返回文件的部分或者全部数据块列表；对于每个数据块，NameNod 阅读全文
摘要：
接着，敲命令：startx 或 init 5 阅读全文