上一页 1 2 3 4 5 6 ··· 31 下一页
2022年4月21日
Bloom Filters by Example
摘要： Bloom filter 是一个数据结构，它可以用来判断某个元素是否在集合内，具有运行快速，内存占用小的特点。 而高效插入和查询的代价就是，Bloom Filter 是一个基于概率的数据结构：它只能告诉我们一个元素绝对不在集合内或可能在集合内 Bloom filter 的基础数据结构是一个 比特向量 阅读全文
posted @ 2022-04-21 20:01 大数据从业者FelixZh 阅读(69) 评论(0) 推荐(0) 编辑
Troubleshooting Apache Flink with Byteman
摘要： Introduction What would you do if you need to see more details of some Apache Flink application logic at runtime, but there's no logging in that code 阅读全文
posted @ 2022-04-21 16:06 大数据从业者FelixZh 阅读(84) 评论(0) 推荐(0) 编辑
2022年4月19日
How to Configure RocksDB Logging for Advanced Troubleshooting
摘要： Question RocksDB's LOG file comes in handy when troubleshooting Flink with RocksDB. How can I configure RocksDB logging? Answer Note: This section app 阅读全文
posted @ 2022-04-19 19:49 大数据从业者FelixZh 阅读(56) 评论(0) 推荐(0) 编辑
Apache Flink - is it possible to evenly distribute slot sharing groups?
摘要： We have a pipeline with operations, split into 2 workloads - Source -> Transform are in a first group and are CPU-intensive workloads, they are put in 阅读全文
posted @ 2022-04-19 11:14 大数据从业者FelixZh 阅读(374) 评论(0) 推荐(0) 编辑
2022年4月9日
Apache Hudi的索引类型及应用场景
摘要： Apache Hudi使用索引来定位更删操作所在的文件组。对于Copy-On-Write表，索引能加快更删的操作，因为避免了通过连接整个数据集来决定哪些文件需要重写。对于Merge-On-Read表，这个设计，对于任意给定的基文件，能限定要与其合并的记录数量。具体地，一个给定的基文件只需要和其所包含 阅读全文
posted @ 2022-04-09 10:05 大数据从业者FelixZh 阅读(1255) 评论(0) 推荐(0) 编辑
2022年4月8日
Apache Hudi核心概念一网打尽
摘要： 1. 场景 https://hudi.apache.org/docs/use_cases.html 近实时写入 减少碎片化工具的使用 CDC 增量导入 RDBMS 数据 限制小文件的大小和数量 近实时分析 相对于秒级存储 (Druid, OpenTSDB) ，节省资源 提供分钟级别时效性，支撑更高效 阅读全文
posted @ 2022-04-08 14:46 大数据从业者FelixZh 阅读(402) 评论(0) 推荐(0) 编辑
Bloom Filter在Hudi中的应用
摘要： 介绍 Bloom Filter可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，主要缺点是存在一定的误判率：当其判断元素存在时，实际上元素可能并不存在。而当判定不存在时，则元素一定不存在，Bloom Filter在对精确度要求不太严格的大数据量场景下运用十分广泛 阅读全文
posted @ 2022-04-08 11:17 大数据从业者FelixZh 阅读(184) 评论(0) 推荐(0) 编辑
2022年4月6日
实战案例：Sql client使用sql操作FlinkCDC2Hudi、支持从savepoint恢复hudi作业
摘要： Flink从1.13版本开始支持在SQL Client从savepoint恢复作业。flink-savepoint介绍 接下来我们从Flink SQL Client构建一个mysql cdc数据经kafka入hudi数据湖的例子。整体流程如下： 在上述第二步中，我们通过手工停止kafka→hudi的 阅读全文
posted @ 2022-04-06 09:41 大数据从业者FelixZh 阅读(1211) 评论(2) 推荐(0) 编辑
2022年3月22日
Flink如何设置RocksDB日志：How to Configure RocksDB Logging for Advanced Troubleshooting
摘要： Question RocksDB's LOG file comes in handy when troubleshooting Flink with RocksDB. How can I configure RocksDB logging? Answer Note: This section app 阅读全文
posted @ 2022-03-22 09:29 大数据从业者FelixZh 阅读(611) 评论(0) 推荐(0) 编辑
2022年3月15日
Flink 自定义触发器实现带超时时间的 CountWindow
摘要： Flink 的 window 有两个基本款，TimeWindow 和 CountWindow。TimeWindow 是到时间就触发窗口，CountWindow 是到数量就触发。 TimeWindow、CountWindow 都可以分为滚动窗口、滑动窗口 如果我需要到时间就触发，并且到时间之前如果已经 阅读全文
posted @ 2022-03-15 11:40 大数据从业者FelixZh 阅读(462) 评论(0) 推荐(0) 编辑
2022年2月22日
实战案例：Flink1.3.1 ON Hudi0.10，同步数据到Hive
摘要： 由于业务需要调研数据湖的使用，这里以Hudi0.10为例，使用的是CDH6.2.1的集群。 一、编译Hudi0.10 在centos7上编译，需要配置maven，安装scala环境和docker环境，使用集群环境为CDH6.2.1 maven配置 tar -zxvf apache-maven-3.6 阅读全文
posted @ 2022-02-22 14:52 大数据从业者FelixZh 阅读(1669) 评论(2) 推荐(0) 编辑
2022年1月28日
stackoverflow：What is LDAP used for?
摘要： I will focus on why using LDAP, not what is LDAP. The use model is similar like how people use library cards or phonebooks. When you have a task that 阅读全文
posted @ 2022-01-28 11:26 大数据从业者FelixZh 阅读(60) 评论(0) 推荐(0) 编辑
2022年1月8日
Apache Pulsar：下一代分布式消息流平台
摘要： Pulsar的前世今生 Apache Pulsar是一个发布-订阅消息系统，使用计算与存储分离的云原生架构。Pulsar 2018年9月成为ASF顶级项目，近两年，随着社区不断发展和诸多企业的应用和贡献，Pulsar作为一个云原生的分布式消息流平台，越来越频繁地出现在人们的视野中，大有替代Kafka 阅读全文
posted @ 2022-01-08 16:02 大数据从业者FelixZh 阅读(624) 评论(0) 推荐(0) 编辑
2021年12月29日
Bitmap的原理和应用
摘要： 面试中经常会问到类似问题，看上去很简单，就是一个排序而已，但是你好好想想大部分排序算法都需要把数据放到内存里面操作，这10亿个数字得占用多少内存？好吧，你可以使用外部排序算法，在磁盘上完成排序！当然这些传统算法肯定是可以解决的，不过这里有一个更好的方案，采用bitmap排序，介绍如下： bitmap 阅读全文
posted @ 2021-12-29 20:36 大数据从业者FelixZh 阅读(1427) 评论(0) 推荐(0) 编辑
2021年12月24日
【mySQL】left join、right join和join的区别
摘要： 哈，好久没更新文章了，今天来说说关于mySQL那些年的小事。说到mySQL啊，用了挺久的了，但是有个问题一直在困扰着我，就是left join、join、right join和inner join等等各种join的区别。网上搜，最常见的就是一张图解图，如下： 真的是一张图道清所有join的区别啊，可 阅读全文
posted @ 2021-12-24 16:46 大数据从业者FelixZh 阅读(427) 评论(0) 推荐(0) 编辑
2021年12月16日
Curator典型应用场景之-分布式计数器
摘要： 之前我们了解了基于Corator的分布式锁之后,我们就很容易基于其实现一个分布式计数器，顾名思义，计数器是用来计数的, 利用ZooKeeper可以实现一个集群共享的计数器。 只要使用相同的path就可以得到最新的计数器值， 这是由ZooKeeper的一致性保证的。Curator有两种计数器。 Sha 阅读全文
posted @ 2021-12-16 11:30 大数据从业者FelixZh 阅读(439) 评论(0) 推荐(0) 编辑
2021年12月15日
Curator典型应用场景之-Barrier屏障
摘要： 什么是BarrierBarrier是一个同步点，每一个线程到达此点都要等待，直到某一个条件满足，所有的线程才能继续进行。比如：赛跑大家都知道,所有比赛人员都会在起跑线外等待,直到教练员的枪响之后,所有参赛者立刻开始赛跑。 JDK的并发包下有CyclicBarrier，它看起来和CountDownLa 阅读全文
posted @ 2021-12-15 20:04 大数据从业者FelixZh 阅读(206) 评论(0) 推荐(0) 编辑
2021年12月14日
Curator典型应用场景之-服务注册与发现
摘要： 随着业务增加,以前简单的系统已经变得越来越复杂，单纯的提升服务器性能也不是办法,而且代码也是越来越庞大，维护也变得越来越困难，这一切都催生了新的架构设计风格 – 微服务架构的出现。 微服务给我们带来了很多好处，例如：独立可扩展、易维护。但是随着应用的分解，微服务的引入，服务越来越多，业务系统与服务系 阅读全文
posted @ 2021-12-14 20:27 大数据从业者FelixZh 阅读(555) 评论(0) 推荐(0) 编辑
Curator典型应用场景之-Master选举
摘要： 分布式锁和Master选举相似点分布式锁和 Master选举有几种相似点，实际上其实现机制也相近： 同一时刻只有一个获取锁 / 只能有一个leader对于分布式排他锁来说，任意时刻，只能有一个进程(对于单进程内的锁是单线程)可以获得锁。对于领导选举来说，任意时刻,只能有一个成功当选为leader。否 阅读全文
posted @ 2021-12-14 15:22 大数据从业者FelixZh 阅读(799) 评论(0) 推荐(0) 编辑
2021年12月13日
Curator典型应用场景之-分布式锁
摘要： 在分布式环境中 ，为了保证数据的一致性，经常在程序的某个运行点(例如，减库存操作或者流水号生成等)需要进行同步控制。以一个"流水号生成"的场景为例，普通的后台应用通常都是使用时间戳来生成流水号，但是在用户访问量很大的情况下，可能会出现并发问题。下面通过示例程序就演示一个典型的并发问题： public 阅读全文
posted @ 2021-12-13 16:14 大数据从业者FelixZh 阅读(983) 评论(0) 推荐(0) 编辑
Curator典型应用场景之-事件监听
摘要： Zookeeper原生就支持通过注册Watcher来进行事件监听，但是其使用并不是特别方便，需要开发人员反复注册Watcher，比较繁琐。Curator引入了Cache来实现对zookeeper服务端事件的监听，Cache是Curator中对事件的包装，其对事件的监听其实可以近似的看做是一个本地缓存 阅读全文
posted @ 2021-12-13 10:38 大数据从业者FelixZh 阅读(541) 评论(0) 推荐(0) 编辑
Apache Curator异步API和事务API
摘要： 原生API中基本上所有的操作都有提供异步操作，Curator也有提供异步操作的API。 异步操作在使用以上针对节点的操作API时，我们会发现每个接口都有一个inBackground()方法可供调用。此接口就是Curator提供的异步调用入口。对应的异步处理接口为BackgroundCallback。 阅读全文
posted @ 2021-12-13 10:17 大数据从业者FelixZh 阅读(283) 评论(0) 推荐(0) 编辑
2021年12月11日
Managing configuration of a distributed system with Apache ZooKeeper
摘要： Oleg Yermolaiev Scala Developer & Technical Lead zookeeper scala configuration curator distributed One of the steps towards building a successful dist 阅读全文
posted @ 2021-12-11 17:04 大数据从业者FelixZh 阅读(228) 评论(0) 推荐(0) 编辑
What Apache ZooKeeper is and when should it be used?
摘要： Today I’ve got a sudden speech about Apache Zookeeper in corporate architects community. There should have been another speaker, but he did not arrive 阅读全文
posted @ 2021-12-11 17:03 大数据从业者FelixZh 阅读(63) 评论(0) 推荐(0) 编辑
什么是裸金属
摘要： 什么是裸金属 什么是裸金属 裸金属，是英文 Bare Metal 的直译，其实也是可以叫 Bare Machine 的，可能大家觉得 Metal 听起来更酷一点，所以都爱这么叫。 如果说裸金属听起来有点懵逼，那么说裸机大家都很好理解了，就是指没有操作系统的计算机硬件。 大家伙平时在说起服务器（Ser 阅读全文
posted @ 2021-12-11 11:08 大数据从业者FelixZh 阅读(1449) 评论(0) 推荐(1) 编辑
2021年12月7日
Apache Curator之分布式锁原理
摘要： 本文主要讲解如下内容： 为什么要使用分布式锁？ 分布式锁特性！ 分布式锁的实现方式有哪些？ Curator分布式锁原理 Curator分布式锁实现类UML及相关类的介绍 基于Redis，数据库实现分布式锁 为什么要使用分布式锁？ 在传统的单机应用中，我们使用JAVA提供的synchronized、R 阅读全文
posted @ 2021-12-07 14:32 大数据从业者FelixZh 阅读(373) 评论(0) 推荐(0) 编辑
2021年12月6日
基于Apache Curator框架的ZooKeeper使用详解
摘要： 一 简介 Apache Curator是一个比较完善的ZooKeeper客户端框架，通过封装的一套高级API 简化了ZooKeeper的操作。通过查看官方文档，可以发现Curator主要解决了三类问题： 封装ZooKeeper client与ZooKeeper server之间的连接处理 提供了一套 阅读全文
posted @ 2021-12-06 16:56 大数据从业者FelixZh 阅读(877) 评论(0) 推荐(0) 编辑
Apache Curator与Zookeeper版本兼容性异常：org.apache.zookeeper.KeeperException$UnimplementedException: KeeperErrorCode =Unimplemented
摘要： ZooKeeper Version 3.4.x Compatibility ZooKeeper 3.4.x is now at end-of-life. Consequently, the latest versions of Curator have removed support for it. 阅读全文
posted @ 2021-12-06 15:55 大数据从业者FelixZh 阅读(1686) 评论(0) 推荐(0) 编辑
2021年12月3日
Zookeeper原生Java API、ZKClient和Apache Curator 区别对比
摘要： zookeeper 常用的3种java客户端： zookeeper原生Java API ZkClient Apache curator 1、zookeeper原生Java API Zookeeper客户端提供了基本的操作，比如，创建会话、创建节点、读取节点、更新数据、删除节点和检查节点是否存在等。但 阅读全文
posted @ 2021-12-03 17:59 大数据从业者FelixZh 阅读(544) 评论(0) 推荐(0) 编辑
原生Zookeeper API 和 第三方框架工具包Zkclient
摘要： 序言直接使用zookeeper的api实现业务功能比较繁琐。因为要处理session loss，session expire等异常，在发生这些异常后进行重连。 又因为ZK的watcher是一次性的，如果要基于wather实现发布/订阅模式，还要自己包装一下，将一次性订阅包装成持久订阅。 另外如果要使 阅读全文
posted @ 2021-12-03 16:58 大数据从业者FelixZh 阅读(413) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 ··· 31 下一页