摘要：
一、数据定义语言(DDL)概述及建表基础 数据定义语言 (Data Definition Language, DDL)，是SQL语言集中对数据库内部的对象结构进行创建，删除，修改等的操作语言，这些数据库对象包括database（schema）、table、view、index等。核心语法由CREAT 阅读全文
摘要：
一、数据仓库基础理论 1.1 概念 数据仓库(Data Warehouse)：简称数仓，是一个用于存储分析报告的数据系统。目的是构建面向分析的集成化数据环境，分析结果为企业提供决策支持。 联机事务处理OLTP：操作型处理，主要针对具体业务对少量记录进行查询修改，传统的关系型数据库(RDBMS)作为数 阅读全文
摘要：
一、Zookeeper概述 Zookeeper 是一个开源的分布式的，为分布式框架提供协调服务的 Apache 项目。 1.1. zookeeper的特点 1.2 应用场景 提供的服务包括：统一命名服务、统一配置管理、统一集群管理、服务器节点动态上下线、软负载均衡等。 1.统一命名服务：在分布式环境 阅读全文
摘要：
一、Kafka概述 1.1 定义 Kafka的定义：Kafka是一个分布式的基于发布/订阅模式的消息队列，主要应用于大数据实时处理领域。 1.2 消息队列 传统的消息队列的主要应用场景包括：缓存/消峰、解耦和异步通信。 消息队列的两种模式 点对点模式 消息/订阅模式 二、Kafka入门 2.1 Ka 阅读全文
摘要：
一、概述 ApacheFlink是一个框架和分布式处理引擎，用于对无界和有界数据流进行状态计算。 1.1 快速上手 1.哈哈先从Idea上手，先去Idea中创建一个maven项目，添加maven依赖如下： <dependencies> <!-- 引入 Flink 相关依赖--> <dependenc 阅读全文
摘要：
一、SparkSql概述 SparkSql是Spark的一个模块，用于处理海量结构化数据(注意是只能处理结构化数据)。 1.1 SparkSql和Hive的异同 1.2 SparkSql的数据抽象 1.3 SparkSession对象 SparkSession对象可以用于SparkSql编程作为入口 阅读全文
摘要：
一、RDD 详解 RDD（Resilient Distributed Dataset）叫做弹性分布式数据集，是Spark中最基本的数据抽象，代表一个不可变、可分区、里面的元素可并行计算的集合。 1.1 RDD的五大特性 1.RDD是有分区的； 2.RDD的方法会作用在其所有分区上； 3.RDD之间可 阅读全文
摘要：
一、Spark框架概述 1.1 spark是什么 定义：Apache Spark是用于大规模数据（large-scala data）处理的统一（unified）分析引擎。 弹性分布式数据集RDD:RDD 是一种分布式内存抽象，其使得程序员能够在大规模集群中做内存运算，并且有一定的容错方式。而这也是整 阅读全文
摘要：
一、Yarn 资源调度器 Yarn 是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式的操作系统平台，而 MapReduce 等运算程序则相当于运行于操作系统之上的应用程序。 1.1 Yarn 基础架构 YARN 主要由 ResourceManager、NodeManager、A 阅读全文
摘要：
一、MapReduce的概述 1.1 MapReduce的核心思想 1.2 MapReduce的三类实例进程 1）MrAppMaster：负责整个程序的过程调度及状态协调。 2）MapTask：负责 Map 阶段的整个数据处理流程。 3）ReduceTask：负责 Reduce 阶段的整个数据处理流 阅读全文