摘要：
第1章 采集数据 1.1 框架流程 1.2 Canal 入门 1.2.1 什么是 Canal 由于Canal没有官网，所以可以认为它托管在github上的项目就是官网，所以地址是：https://github.com/alibaba/canal 1.2.2 使用场景 1）原始场景： 阿里Otter中 阅读全文
2021年7月7日 #
摘要：
第1章 实时处理模块 1.1 创建模块gmall_realtime 1.2 代码思路 1）消费Kafka中的数据； 2）利用Redis过滤当日已经计入的日活设备； 3）把每批次新增的当日日活信息保存到HBase中； 4）从HBase中查询出数据，发布成数据接口，通可视化工程调用。 1.3 代码开发1 阅读全文
2021年7月6日 #
摘要：
问题如下：无法解析XXX依赖 1）首先我们先清理一下 2）然后进行编译 3）此时出现如下错误： Cannot access nexus-aliyun (http://maven.aliyun.com/nexus/content/groups/public/) in offline mode and 阅读全文
2021年7月5日 #
摘要：
第1章 SparkStreaming概述 1.1 Spark Streaming是什么 Spark Streaming用于流式数据的处理。Spark Streaming支持的数据输入源很多，例如：Kafka、Flume、Twitter、ZeroMQ和简单的TCP套接字等等。数据输入后可以用Spark 阅读全文
2021年6月30日 #
摘要：
第1章 需求概述 1.1 实时需求与离线需求的比较 离线需求（T+1）：一般是根据前一日的数据生成报表等数据，虽然统计指标、报表繁多，但是对时效性不敏感。 实时需求（T+0）：主要侧重于对当日数据的实时监控，通常业务逻辑相对离线需求简单一下，统计指标也少一些，但是更注重数据的时效性，以及用户的交互性 阅读全文
2021年6月29日 #
摘要：
一、MyBatis 1. MyBatis简介 资料下载：https://pan.baidu.com/s/16P3uVfRuViM3hu514rO_6Q 提取码：5qi7 JDBC的弊端：SQL夹在Java代码块里，耦合度高导致硬编码内伤，维护不易。而实际开发需求中sql是有变化，频繁修改的情况多见。 阅读全文
摘要：
第1章 Atlas入门 1.1 Atlas概述 Apache Atlas为组织提供开放式元数据管理和治理功能，用以构建其数据资产目录，对这些资产进行分类和管理，并为数据分析师和数据治理团队，提供围绕这些数据资产的协作功能 1）表与表之间的血缘依赖 2）字段与字段之间的血缘依赖 1.2 Atlas架构 阅读全文
2021年6月28日 #
摘要：
原因： 默认情况下 hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat(切片)，此设置的功能是将输入目录的小文件进行切片合并，但是误将lzo.index文件也作为数据，故导致读数不准。 解决： 不使用Combin 阅读全文
摘要：
第1章 Superset入门 1.1 Superset概述 Apache Superset是一个开源的、现代的、轻量级BI分析工具，能够对接多种数据源、拥有丰富的图标展示形式、支持自定义仪表盘，且拥有友好的用户界面，十分易用。 1.2 Superset应用场景 由于Superset能够对接常用的大数 阅读全文
摘要：
第10章 全流程调度 10.1 Azkaban部署 详情请看博客：https://www.cnblogs.com/LzMingYueShanPao/p/14911782.html 10.2 创建MySQL数据库和表 1）创建 gmall_report 数据库（也可以使用SQL语句创建） #使用Sql 阅读全文