上一页 1 ··· 3 4 5 6 7 8 9 10 11 ··· 16 下一页
摘要: 1.1 返回时间类型 yyyy-MM-dd HH:mm:ss public static Date getNowDate() { Date currentTime = new Date(); SimpleDateFormat formatter = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); String dateString = formatter. 阅读全文
posted @ 2019-08-26 09:09 DiYong 阅读(19918) 评论(0) 推荐(0) 编辑
摘要: Mysql执行顺序 阅读全文
posted @ 2019-08-26 09:03 DiYong 阅读(2689) 评论(0) 推荐(0) 编辑
摘要: 一、流式DataFrames/Datasets的结构类型推断与划分 ◆ 默认情况下,基于文件源的结构化流要求必须指定schema,这种限制确保即 使在失败的情况下也会使用一致的模式来进行流查询。 ◆ 对于特殊用例,可以通过设置spark.sql.streaming.schemaInference = 阅读全文
posted @ 2019-08-23 09:16 DiYong 阅读(1142) 评论(0) 推荐(0) 编辑
摘要: StructuredStreaming简单的例子(NewAPI)(wordCount) 阅读全文
posted @ 2019-08-22 16:21 DiYong 阅读(565) 评论(0) 推荐(0) 编辑
摘要: 使用流式DataSets和流式DataFrames的API 流式DataFrames/Datasets的结构类型推断与划分 阅读全文
posted @ 2019-08-22 14:47 DiYong 阅读(324) 评论(0) 推荐(0) 编辑
摘要: ◆ 基本概念 ◆ 处理Event-time和Late Data ◆ 容错语义 阅读全文
posted @ 2019-08-22 12:24 DiYong 阅读(211) 评论(0) 推荐(0) 编辑
摘要: SparkStreaming简单例子 ◆ 构建第一个Streaming程序: (wordCount) ◆ Spark Streaming 程序最好以使用Maven或者sbt编译出来的独立应用的形式运行。 ◆ 准备工作: 1.引入Spark Streaming的jar 2.scala流计算import 阅读全文
posted @ 2019-08-22 00:17 DiYong 阅读(352) 评论(0) 推荐(0) 编辑
摘要: SparkStreaming是一个对实时数据流进行高通量、容错处理的流式处理系统,可以对多种数据源(如Kdfka、Flume、Twitter、Zero和TCP 套接字)进行类似Map、Reduce和Join等复杂操作,并将结果保存到外部文件系统、数据库或应用到实时仪表盘。➢ 计算流程➢ 容错性➢ 实 阅读全文
posted @ 2019-08-21 16:11 DiYong 阅读(169) 评论(0) 推荐(0) 编辑
摘要: Storm与SparkStreaming对比 阅读全文
posted @ 2019-08-21 16:06 DiYong 阅读(258) 评论(0) 推荐(0) 编辑
摘要: DStream(Discretized Stream)离散流 ◆ 和Spark基于RDD的概念很相似,Spark Streaming使用离散流 (discretized stream)作为抽象表示,叫做DStream。 ◆ DStream是随时间推移而收到的数据的序列。在内部,每个时间区间收 到的数 阅读全文
posted @ 2019-08-21 16:00 DiYong 阅读(498) 评论(0) 推荐(0) 编辑
上一页 1 ··· 3 4 5 6 7 8 9 10 11 ··· 16 下一页