摘要：
https://www.kaggle.com/omarelgabry/titanic/a-journey-through-titanic/discussion 这个是个很不错的python方法，下面的我也参与了讨论。 Hi, Why did you drop dummy_variables for 阅读全文
摘要：
可扩展性：与jobtracker相反，每一个应用实例，这里可以说是一个MapReduce job有一个转有的应用管理，在应用执行期间运行。这个模型更靠近原始的google论文。 高可用:高可用（High availability)通常是在服务进程失败后，另一个守护进程(daemon)能够复制状态并且 阅读全文
摘要：
YARN(Yet Another Resource Negotiator)通过两类长期运行的守护进程(daemon)提供核心服务，a resource manager（每一个集群只有一个）来管理集群资源，node manager在集群中所有节点上运行，启动和监控容器。一个容器运行一个特别的应用进程, 阅读全文
摘要：
当前块被写入时，对于其他用户是不可见的。hflush()可以保证所有的datenode被写上去。 hflush()和hsync()方法都是有一定高消耗，但是可以防止数据的丢失，这是一种在数据的鲁棒性(robustness)和吞吐量(throughput)的权衡。这是根据不同的应用决定的. 阅读全文
摘要：
如图中所示，很多次听别人讲文件读写时，都没有说清楚那3个备份到底是如何完成的，从图中可以看出，客户端第一步调取call()方法在DistributedFileSystem,DistributedFileSystem使用RPC连接namenode来创建一个新的文件，并没有分配块。namenode检查文 阅读全文
摘要：
HDFS建立在大多数高效的数据处理模式都是一次写入，多次读取。 每次数据的读取，都会涉及到一个相当大的比例，因此读取整个数据的时间远远比读取第一份数据的延迟更重要。 namenode知道块在哪个datenode上，但不知道块的后续位置。 namenode失效的话，整个文件系统将会无法使用，因此对na 阅读全文
摘要：
MapReduce是一个处理数据的项目模型。Hadoop可以通过多个语言来写MapReduce项目。MapReduce是天生并行(inherently parallel)的。 为什么说这个天气数据集是非常好的candidate对于MapReduce,其中提到的两个特征:半结构化(semi-struc 阅读全文
摘要：
1.sqoop从mysql抽数比较简单，但是oracle一定要严格区分表名的大小写和字段的大小写。 2.mysql，sqlserver虽然表的大小写不是太刻意，但是index_dir一定要区分大小写。hadoop fs –ls /data和hadoop fs –ls /DATA是不一样的。 3.原来 阅读全文
摘要：
Sqoop currently do not support splitting data on N(LONG)(VAR)CHAR column types. We're however supporting splitting on (LONG)(VAR)CHAR using TextSplitt 阅读全文
摘要：
在微博看到，有人说8个应届毕业生没有人写出o(1)空间复杂度，o(n)时间复杂度的反转单向链表。 (不是我自己想的） public void reverseList(ListNode head) { ListNode newHead = null; while(head != null) { Lis 阅读全文