摘要：
系列文章： 大数据系列：一文初识Hdfs 大数据系列2：Hdfs的读写操作 大数据谢列3：Hdfs的HA实现 通过前文，我们对Hdfs的已经有了一定的了解，本文将继续之前的内容，介绍Yarn与Yarn在MapReduce 2的应用 MapReduce1 作业流程 在介绍Yarn之前，我们先介绍一下M 阅读全文
摘要：
在之前的文章：大数据系列：一文初识Hdfs ， 大数据系列2：Hdfs的读写操作 中Hdfs的组成、读写有简单的介绍。 在里面介绍Secondary NameNode和Hdfs读写的流程。 并且在文章结尾也说了，Secondary NameNode并不是我常说的HA，（High Availabili 阅读全文
摘要：
在前文大数据系列1：一文初识Hdfs中，我们对Hdfs有了简单的认识。 在本文中，我们将会简单的介绍一下Hdfs文件的读写流程，为后续追踪读写流程的源码做准备。 Hdfs 架构 首先来个Hdfs的架构图，图中中包含了Hdfs 的组成与一些操作。 对于一个客户端而言，对于Hdfs的操作不外乎也就读写两 阅读全文
摘要：
最近有位同事经常问一些Hadoop的东西，特别是Hdfs的一些细节，有些记得不清楚，所以趁机整理一波。 会按下面的大纲进行整理： 简单介绍Hdfs 简单介绍Hdfs读写流程 介绍Hdfs HA实现方式 介绍Yarn统一资源管理器 追一下Hdfs读写的源码 同时也有其他方面的整理，有兴趣可以看看： 算 阅读全文
摘要：
此系列为动态规划相关文章。 系列历史文章： 算法系列-动态规划(1)：初识动态规划 算法系列-动态规划(2)：切割钢材问题 算法系列-动态规划(3)：找零钱、走方格问题 算法系列-动态规划(4)：买卖股票的最佳时机 新生韭菜罗拉 自从上次看到八哥收藏旧币，罗拉也想给自己捣鼓个副业，赚点零花钱。 于是 阅读全文
摘要：
最近在捣鼓算法，所以写一些关于算法的文章 此系列为动态规划相关文章。 系列历史文章： 算法系列-动态规划(1)：初识动态规划 算法系列-动态规划(2)：切割钢材问题 算法系列-动态规划(3)：找零钱、走方格问题 找零钱问题，凑数问题 最近老币越来越值钱，是投资的一个好方向。 这不，八哥从某鱼入手了几 阅读全文
摘要：
最近全程参与了数仓的重建工作，颇有些心得。 于是萌生了写一篇关于数据仓库文章的想法。 编写此文章的过程中会查找更多的资料和结合自己工作经历，确保内容质量。 即是自己工作的记录和总结，也是更系统的捋一遍数仓。 文章会分为三个部分： 第一部分：介绍什么是数据仓库 第二部分：如何设计数据仓库 第三部分：从 阅读全文
摘要：
切割钢材问题 接上回说到，斐波那契数列是动态规划最简单应用，但动态规划却不是为了用来算那数列。 当时留了个尾巴，就是切割钢材的问题。 不同长度的钢材价格不一样，我现在有一根长度为n的钢材，要怎么切割才能利益最大化？ 其中钢材的价格如下 长度 0 1 2 3 4 5 6 7 8 9 10 价格 0 1 阅读全文
摘要：
昨天，罗拉去面试回来，垂头丧气。显然是面试不顺利，我赶忙过去安慰。 经过询问才知道，罗拉面试挂在了动态规划。 说到动态规划，八哥可就来精神了，于是就结合劳拉的面试题简单的和她介绍了动态规划。 事情是这样的，劳拉的面试官给了她一道题，题目如下： 有一个数列，规律如下：1、1、2、3、5、8、13... 阅读全文
摘要：
场景 canal 同步Mysql一段时间后突然失败,报如如下错误： 2021-08-06 16:16:51.732 [MultiStageCoprocessor-Parser-Twt_instance-5] WARN c.a.o.canal.parse.inbound.mysql.dbsync.Lo 阅读全文
摘要：
canal+mysql+kafka安装配置 概述 简介 canal译意为水道/管道/沟渠，主要用途是基于 MySQL 数据库增量日志解析，提供增量数据订阅和消费。 基于日志增量订阅和消费的业务包括 数据库镜像 数据库实时备份 索引构建和实时维护(拆分异构索引、倒排索引等) 业务 cache 刷新 带 阅读全文
摘要：
更多内容可关注兔八哥杂谈 需要安装的组件 组件 功能 Airflow Webserver 查询元数据以监控和执行DAGs的web界面。 Airflow Scheduler 它检查元数据数据库中的DAG和任务的状态，在必要时创建新任务，并将任务发送到队列。 Airflow Metadata Datab 阅读全文
摘要：
spark的数据本地性（data locality） Spark其中一个特性就是数据本地性，简单的说就是“移动数据不如移动计算”。 因为数据在网络传输中会有不小的I/O消耗，并且传输距离越长消耗越大。 所以，数据本地性可以理解为数据传输距离，而我们的目的就是避免数据在网络中传输或尽量减少传输的距离。 阅读全文
摘要：
数据处理的过程 数据处理的过程一般如下： 数据质量管理(DATA Quality Managenment)是指对上述过程中每个阶段可能出现引发数据质量的问题进行识别、监控、预警等相关管理活动。 通过改善和提高组织的管理水平是的数据质量进一步提升。 数据质量管理是一个循环管理的过程，其最终目标是通过可 阅读全文
摘要：
持久化类型 特点 cache 默认存储级别为: RDD.cache():persist(StorageLevel.MEMORY_ONLY)Dataset.cache():MEMORY_AND_DISK persist 可以自定义存储级别，默认:MEMORY_AND_DISK可选：DISK_ONLY, 阅读全文
摘要：
1. Hbase读写优化 写： 批量写、异步批量提交、多线程并发写、使用BulkLoad写入、表优化（压缩算法、预分区、合理的rowkey设计、合理关闭WAL或异步WAL） SKIP_WAL：只写缓存，不写HLog日志。这种方式因为只写内存，因此可以极大的提升写入性能，但是数据有丢失的风险。在实际应 阅读全文