摘要：
package project; import com.alibaba.fastjson.JSON; import com.alibaba.fastjson.JSONArray; import java.util.ArrayList; import java.util.HashMap; import java.util.List; import java.util.Map; // fast... 阅读全文
摘要：
文档一: aaa.txt内容如下 2018-11-26 hello world! 192.168.136.128 192.168.136.129 20181127 2018-12-12 2018-11-11 aaa bbb 文档二: student.txt内容如下 ID Name gender Ma 阅读全文
摘要：
分布式与集群的区别通俗解释 （1）回答1： 集群是个物理形态，分布式是个工作方式。只要是一堆机器，就可以叫集群，他们是不是一起协作着干活，这个谁也不知道；一个程序或系统，只要运行在不同的机器上，就可以叫分布式，嗯，C/S架构也可以叫分布式。集群一般是物理集中、统一管理的，而分布式系统则不强调这一点。 阅读全文
摘要：
1、 什么是MPP？ MPP (Massively Parallel Processing)，即大规模并行处理，在数据库非共享集群中，每个节点都有独立的磁盘存储系统和内存系统，业务数据根据数据库模型和应用特点划分到各个节点上，每台数据节点通过专用网络或者商业通用网络互相连接，彼此协同计算，作为整体提 阅读全文
摘要：
OLTP与OLAP的介绍 数据处理分为两种技术架构系统:OLTP与OLAP OLTP(联机事务处理过程) OLTP是传统的关系型数据库的主要应用,主要是基本的,日常的事务处理,例如银行的交易 OLTP系统 (on-line transaction processing) 强调数据库内存效率 强调内存 阅读全文
摘要：
Spark Standalone模式提交任务 Cluster模式: 执行流程 1、cluster模式提交应用程序后，会向Master请求启动Driver.(而不是启动application) 2、Master接受请求，随机在集群一台节点启动Driver进程。 3、Driver启动后为当前的应用程序申 阅读全文
摘要：
反射方式构建元数据: 通过反射来获取RDD中的Schema信息。这种方式适合于列名(元数据)已知的情况下 步骤: 1.SparkConf配置环境 2.SparkContext初始化上下文 3.SQLContext初始化SparkSQL上下文 4.创建一个普通的RDD(sc.textFile) 5.使 阅读全文
摘要：
foreachRDD(SparkStreaming): SparkStreaming是流式实时处理数据,就是将数据流按照定义的时间进行分割(就是"批处理").每一个时间段内处理到的都是一个RDD.而SparkStreaming中的foreachRDD方法就是在处理每一个时间段内的RDD数据. DSt 阅读全文
摘要：
一、Spark Streaming连Kafka（重点） 方式一：Receiver方式连：走磁盘 使用High Level API（高阶API）实现Offset自动管理，灵活性差，处理数据时，如果某一时刻数据量过大就会磁盘溢写，通过WALS（Write Ahead Logs）进行磁盘写入,0.10版本 阅读全文
摘要：
ElasticSearch介绍: ElasticSearch是一个基于Lucene的搜索服务器 ,elasticsearch封装了抽象接口用于连接Lucene Lucene是一套用于全文检索和搜寻的开源程式库 安装很简单: 解压就可以用,几乎是o配置 分布式全文检索服务器 要求是两个节点,最好是三个 阅读全文