摘要：
一、 /proc 目录 Linux系统上的/proc目录是一种文件系统，即proc文件系统，与其它常见的文件系统不同的是，/proc文件系统是一个伪文件系统，它只存在内存当中，而不占用外存空间。它以文件系统的方式为内核与进程提供通信的接口。用户和应用程序可以通过/proc得到系统的信息，并可以改变内 阅读全文
摘要：
一、现象 map/reduce程序执行时，reduce节点大部分执行完毕，但是有一个或者几个reduce节点运行很慢，导致整个程序的处理时间很长，这是因为某一个key的条数比其他key多很多（有时是百倍或者千倍之多），这条key所在的reduce节点所处理的数据量比其他节点就大很多，从而导致某几个节 阅读全文
摘要：
前言 17年底，买了清华大学出版社出版的《Hadoop权威指南》（第四版）学习，没想到这本书质量之差，超越我的想象，然后上网一看，也是骂声一片。从那个时候其就对出版社综合实力很感兴趣，想通过具体数据分析各个出版社的出版质量，另外借此也可以熟悉大数据生态和相关操作。 豆瓣上的书籍数据刚好可以满足需求， 阅读全文
摘要：
前言这篇文章主要是用sqoop从mysql导入数据到hive时遇到的坑的总结。环境：系统：Centos 6.5Hadoop：Apache，2.7.3Mysql：5.1.73JDK：1.8Sqoop：1.4.7Hadoop以伪分布式模式运行。一、使用的导入命令我主要是参考一篇文章去测试的，Sqoop: Import Data From MySQL to Hive。参照里面的方法，在mysql建了表，... 阅读全文
摘要：
一、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HDFS中，也可以将HDFS的数 阅读全文
摘要：
前言 最近用爬虫爬豆瓣上的资料，无奈总是被封，agent伪装和cookie修改这些都用过了，可惜都起不了什么作用，到了一定次数，还是会返回403。想用代理ip，无奈免费的太不稳定，买收费的又有点没必要。今天在查资料的时候，读到一篇谈ADSL拨号代理的文章，刚好我又是用这种方式上网，于是想到了一个对付 阅读全文
摘要：
前言 最近想爬点东西，2.7比较稳定，但是因为在linux机器上用yum安装的默认是2.6.6版本的，所以需要升级到2.7。 一、安装过程 1. 先安装相应的依赖 如果没安装好这些依赖的，后面还要重新走编译流程，别问我为什么知道 。 2. 下载软件包 3. 解压安装包 4. 安装 在检测脚本中加上e 阅读全文
摘要：
一、描述 在书中第二章，有一个例子，构建完之后，运行： 如果用的spark版本与书中用到的不一样的话，就会出现各种问题，譬如书中用的是1.2.0而我用的是最新的2.3.0。 二、问题及解决 1. 第一次编译的时候，出现类似下面的报错： 首先是解决版本依赖的问题： （1）获得spark-core的版本 阅读全文
摘要：
原文链接：https://www.cnblogs.com/harrymore/p/8985058.html 一、问题描述 早上在学习《Spark快速大数据分析》的时候，需要下载书本的实例代码，于是用git clone一下给出的库： https://github.com/databricks/lear 阅读全文
摘要：
一、文件系统 1. 概念 所谓文件系统，是操作系统用于明确磁盘或分区上的文件的方法和数据结构；即在磁盘上组织文件的方法。也指用于存储文件的磁盘或分区，或文件系统种类。 2. Local File System 这里的本地文件系统指的是操作系统层面的文件系统，譬如Linux支持的文件系统，ext3，e 阅读全文