摘要：
在开发PySpark程序时通常会需要用到Java的对象，而PySpark本身也是建立在Java API之上，通过Py4j来创建JavaSparkContext。这里有几点是需要注意的1.Py4j只运行在driver也就是说worker目前来说引入不了第三方的jar包。因为worker结点的PySpa... 阅读全文
摘要：
在用PySpark操作HBase时默认是scan操作，通常情况下我们希望加上rowkey指定范围，即只获取一部分数据参加运算。翻遍了spark的python相关文档，搜遍了google和stackoverflow也没有具体的解决方案。既然java和scala都支持，python肯定也支持的。翻了一下... 阅读全文
摘要：
最近老大让用Spark做一个ETL项目，搭建了一套只有三个结点Standalone模式的Spark集群做测试，基础数据量大概8000W左右。看了官方文档，Spark确实在Map-Reduce上提升了很多，可是官方明确提出了在Interactive Data方面性能提升最大。但是做ETL的数据之间是平... 阅读全文
摘要：
原文链接：http://www.errdev.com/post/5/Markdown以其简洁的语法赢得了广大程序猿的喜爱，搜了一下github上相关的web编辑器，星星比较多的StackeditdillingerEpicEditor前面两个是集成的编辑器，提供很多的功能，可是我想找一个能嵌入到当前w... 阅读全文
摘要：
原文链接：http://www.errdev.com/post/4/每一个爱折腾的程序员都有自己的博客，好吧，虽然我不太喜欢写博客，但是这样骚包的想法却不断涌现。博客园虽好，可以没有完全的掌控感，搭了一段时间的Wordpress，奈何不是专门做前端的，懒得去做一套新的主题，折腾来折腾去还是决定自己做... 阅读全文
摘要：
原文链接：http://www.errdev.com/post/3/Hadoop2.6是目前Hadoop的最新版本，从下面链接获得http://hadoop.apache.org/releases.html#Download同时需要准备至少一台Linux， 这里我用了CentOS 7。虚拟机装Cen... 阅读全文
摘要：
原文链接：http://www.errdev.com/post/2/捣鼓了一段时间的VIM，神器终归是神器，果然编码效率提升了许多，当然还需要很多插件来配合。自己装插件很麻烦，还要有Vundle这个插件管理器Vundle - https://github.com/gmarik/Vundle.vim下... 阅读全文