摘要：
大数据技术之Sqoop 第1章 Sqoop简介 Sqoop是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql...)间进行数据的传递，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HD 阅读全文
摘要：
正则表达式：正则表达式测试工具，创建 一个正则表达式后，需要测试该正则表达式是否正确，使用正则表达式测试工具"Notepad++"来测试正则表达式。操作步骤：打开"Notepad++"软件，点击"搜索"菜单下的查找，在弹出的对话框的左下角"查找模式"选项里点选"正则表达式"，在正上方的输入文本框里输 阅读全文
摘要：
_functions = { 'lit': 'Creates a :class:`Column` of literal value.', 'col': 'Returns a :class:`Column` based on the given column name.'根据给定的列名返回一个：cla 阅读全文
摘要：
Structured Streaming Programming Guide(结构化流编程指南) Overview(概貌) ·Structured Streaming是一种基于Spark SQL引擎的可扩展且容错的流处理引擎。 ·您可以像表达静态数据的批处理计算一样表达流式计算。 ·Spark SQ 阅读全文
摘要：
PySpark Usage Guide for Pandas with Apache Arrow(使用Apache Arrow的Pandas PySpark使用指南) Apache Arrow in Spark Ensure PyArrow Installed Enabling for Conver 阅读全文
摘要：
Spark Overview(Spark概述) ·Apache Spark是一种快速通用的集群计算系统。 ·它提供Java，Scala，Python和R中的高级API，以及支持通用执行图的优化引擎。 ·它还支持丰富的高级工具集，包括用于SQL和结构化数据处理的Spark SQL，用于机器学习的MLl 阅读全文
摘要：
1.1 分布式资源调度框架 1.2.1 yarn的概念 Apache Hadoop YARN （Yet Another Resource Negotiator，另一种资源协调者）是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统和调度平台，可为上层应用提供统一的资源管理和调度，它的引入为 阅读全文
摘要：
第一篇：Scala编程语言 一、Scala语言基础 1、Scala语言简介 Scala是一种多范式的编程语言，其设计的初衷是要集成面向对象编程和函数式编程的各种特性。Scala运行于Java平台（Java虚拟机），并兼容现有的Java程序。它也能运行于CLDC配置的Java ME中。目前还有另一.N 阅读全文
摘要：
Hadoop 2.X 管理与开发 一、Hadoop的起源与背景知识 （一）什么是大数据 大数据（Big Data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 大数据的5个特征 阅读全文
摘要：
目标 v 理解网站点击流数据分析的业务背景 v 理解网站点击流数据分析中常用分析指标的业务含义 v 掌握网站点击流数据分析系统的技术架构 v 掌握网站点击流数据分析系统中各环节的技术实现 v 能独立设计完成一个初步的网站点击流数据分析系统 网站点击流数据分析，业务知识，推荐书籍： 《网站分析实战—— 阅读全文