摘要：
Parquet列式存储 Apache Parquet是Hadoop生态系统中的列式存储格式，面向分析型业务，与数据处理框架、数据模型、编程语言无关。 ● 优势降低存储空间：按列存，能够更好地压缩数据，因为一列的数据一般都是同质的（homogenous）提高IO效率：扫描（遍历/scan）的时候，可以 阅读全文
摘要：
本文搭建环境为：Mac + Parallel Desktop + CentOS7 + JDK7 + Hadoop2.6 + Scala2.10.4 + IDEA14.0.5 —————————————————————————————————————————————————— 一、CentOS安装 ■ 阅读全文
摘要：
■ 把字符串作为 URI 组件进行编码。JavaScript中有三个可以对字符串编码的函数，分别是： escape,encodeURI,encodeURIComponent，相应3个解码函数：unescape,decodeURI,decodeURIComponent。● escape()除了 ASC 阅读全文
摘要：
【规则】开头结尾 "^The"：表示所有以"The"开始的字符串（"There"，"The cat"等）； "of despair$"：表示所以以"of despair"结尾的字符串；重复 "ab*"：表示一个字符串有一个a后面跟着零个或若干个b。（"a", "ab", "abbb",……）； "a 阅读全文
摘要：
【ZooKeeper】服务注册、服务发现、客户端负载均衡、Offset偏移量分布式存储。kafka使用zookeeper来实现动态的集群扩展，不需要更改客户端（producer和consumer）的配置。broker会在zookeeper注册并保持相关的元数据（topic，partition信息等）... 阅读全文
摘要：
————————————————————————————————————————————————【关键原理】1.消息文件存储（消息堆积能力）2.消息topic分区3.消息顺序的保证4.拉模型（消费者水平扩展）——————————————————————————————————————————————... 阅读全文
摘要：
kafka是为分布式环境设计的,因此如果日志文件,其实也可以理解成消息数据库,放在同一个地方,那么必然会带来可用性的下降,一挂全挂,如果全量拷贝到所有的机器上,那么数据又存在过多的冗余,而且由于每台机器的磁盘大小是有限的,所以即使有再多的机器,可处理的消息还是被磁盘所限制,无法超越当前磁盘大小.因此... 阅读全文
摘要：
在对消息进行存储和缓存时，Kafka依赖于文件系统。（Page Cache）线性读取和写入是所有使用模式中最具可预计性的一种方式，因而操作系统采用预读（read-ahead）和后写（write-behind）技术对磁盘读写进行探测并优化后效果也不错。预读就是提前将一个比较大的磁盘块中内容读入内存，后... 阅读全文
摘要：
================================================================================================哈希表的概念 哈希表(Hash Table)也叫散列表，是根据关键码值（Key Value）而直接进行访问的... 阅读全文
摘要：
sizeof内存对齐1 #include "iostream"2 using namespace std;34 void main()5 {6 class A7 {891011 }a;121314cout<<sizeof(a)<<endl;1516 }运行结果是：1.空类占用的内存大小是1，空类没有... 阅读全文