摘要：
1. 元组 映射是K/V对偶的集合，对偶是元组的最简单的形式，元组可以装着多个不同类型的值 1.1 特点 元组相当于一个特殊的数组，其长度和内容都可变，并且数组中可以装任何类型的数据，其主要用处就是存一些类型不同的数据，如定义一个方法，其要返回多个类型不同的值，如果在java中就需要定义一个bean 阅读全文
摘要：
具体见第三阶段scala-day01中的文档（scala编程基础 基础语法） 1. 函数式编程（https://www.cnblogs.com/wchukai/p/5651185.html）： 将业务逻辑细化，抽象，封装成一个个功能函数，并借助语言自带的高阶函数api，将整个业务流程转化为函数之间的 阅读全文
摘要：
1. ZK的监控机制 1.1 监听数据的变化 （1）监听一次 public class ChangeDataWacher { public static void main(String[] args) throws Exception { // 连接并获取zk客户端的对象 ZooKeeper zk 阅读全文
摘要：
1. 小文件合并 HDFS中不适合存储大量的小文件，原因如下; 无论文件大小，namenode记录的元数据大小几乎是一致的（1KB的文件与120M的文件在namenode中的元数据都是一样的） namenode的内存有限，记录的元数据条数有限，集群的存储容量受限，所以HDFS不能无限添加datano 阅读全文
摘要：
1. MR程序在yarn上运行的基本流程 此篇博客可以看看（https://www.cnblogs.com/kocdaniel/p/11637888.html） （1）client提交作业申请 client向ResourceManager提交job申请 RM创建job任务，并根据申请内容返回相关的信 阅读全文
摘要：
0. 补充（查询源代码的操作） （1）ctrl+shift+t 查找某个类 （2）crtl+t查看类的继承结构 （3）ctrl+o 查看类中的方法 1. MR程序数据处理全流程 第一步：FileInputFormat找到指定路径或文件夹（若是文件夹且有多个文件，会开启多个map任务，默认是一个文件用 阅读全文
摘要：
1. 案例一： 流量案例 字段一：手机号 字段二：url 字段三：上行流量 字段四：下行流量 1.1 统计每个人的访问量的总流量 思路：以电话这个字段聚合，即以key聚合 map阶段代码如下 public class ViewsMapper extends Mapper<LongWritable, 阅读全文
摘要：
1. HDFS的checkpoint机制 namenode的主要职责是记录用户存储数据的数据元信息（元数据），元数据即为存储在HDFS分布式存储系统上的数据的详细记录信息，其包括数据块，文件存储位置，块的大小，副本的个数文件的权限等等 记录元数据的形式有两种 （1）元数据存储在内存中：内存对象（机器 阅读全文
摘要：
1.补充配置 1.1 Hadoop的环境变量的配置 vi /etc/profile $PATH：表示取出前面的环境变量的配置，此处前面有java环境变量的配置，所以不需要再配置，若没有则需要 “:” 表示连接符号，功能和windows中的%一样 export: 类似public的作用，扩大作用范围的 阅读全文
摘要：
1. 序列化 1.1 概念 数据存储在程序中有两种： （1）存储在内存中，称为内存对象或是内存数据，其为临时的数据 （2）数据是存储在磁盘中，其为永久数据 序列化：将数据结构或对象转换成二进制串的过程 User对象 转换规则 > 10101010 （本质理解：序列化就是数据结构或对象如何转换成二进制 阅读全文