摘要：
我们进行 Spark 进行编程的时候， 初始化工作是在driver端完成的 ，而 实际的运行程序是在executor端进行 ，所以就涉及到了进程间的通讯，数据是需要序列化的 1、传递函数 说明： （1）直接运行程序会报错： 。因为 用到了 ，所以对象 this需要序列化 ， 才能把对象从driver 阅读全文
摘要：
1、reduce（func） 通过func函数聚集RDD 中的所有元素， 先聚合分区内数据，再聚合分区间数据。 2、collect 以 的形式返回 RDD 中的所有元素. 所以要慎用 3、count 返回 RDD 中元素的个数. 4、take（n） 返回 RDD 中 组成的 . take 的数据也会 阅读全文
摘要：
大多数的 Spark 操作可以用在任意类型的 RDD 上, 但是有一些比较特殊的操作只能用在key value类型的 RDD 上. 这些特殊操作大多都涉及到 shuffle 操作, 比如: 按照 key 分组(group), 聚集(aggregate)等. 在 Spark 中, 这些操作在包含 的 阅读全文
摘要：
1、union（otherDataSet） 作用 ： . 对源 RDD 和参数 RDD 求并集后返回一个新的 RDD 2、subtract（otherDataSet） 作用: 从原 RDD 中减去 原 RDD 和otherDataset 中的共同的部分. 3、intersection（otherDa 阅读全文
摘要：
1、 map(func) 作用 : 返回一个新的 RDD, 该 RDD 是由原 RDD 的每个元素经过函数转换后的值而组成. 就是对 RDD 中的数据做转换. 创建一个包含1 10的的 RDD，然后将每个元素 2形成新的 RDD 2、mapPartitions(func) 作用 : 类似于map(f 阅读全文
摘要：
一、RDD创建的3种方式： 1、从集合中创建RDD 2、从外部存储创建RDD 3、从其他RDD转换得到新的RDD 二、从集合中创建RDD 1、使用parallelize函数创建 1 scala> val arr = Array(10,20,30,40,50,60) 2 arr: Array[Int] 阅读全文
摘要：
一、什么是RDD 1、RDD（Resilient Distributed DataSet）弹性分布式数据集 2、是Spark中最基本的数据抽象 3、在代码中是一个抽象类，它代表一个弹性的、不可变的、可分区，里面的元素可并行计算的集合 二、RDD的5个主要属性（property） 1、A list o 阅读全文
摘要：
一、表的分类 1、实体表 实体表，一般是指一个现实存在的业务对象，比如用户，商品，商家，销售员等等。 2、维度表 维度表，一般是指对应一些业务状态，编号的解释表。也可以称之为码表。 比如地区表，订单状态，支付方式，审批状态，商品分类等等。 3、事务型事实表 事务型事实表，一般指随着业务发生不断产生的 阅读全文
摘要：
一、flume事务 put事务流程： 1、doPut：将批量数据先写入临时缓冲区putList 2、doCommit：检查Channel内存队列是否足够， （1）达到一定时间没有数据写入到putList （2）达到了putListCapcity容量 3、doRollback：Channel内存队列空 阅读全文
摘要：
1、工作机制详述 （1）MR程序提交到客户端所在的节点。 （2）YarnRunner向ResourceManager申请一个Application。 （3）RM将该应用程序的资源路径返回给YarnRunner。 （4）该程序将运行所需资源提交到HDFS上。 （5）程序资源提交完毕后，申请运行mrAp 阅读全文