摘要：
hive支持sql标准的数据仓库，可以将sql语句转化成mr程序执行。基础分析一般用hive来做，比较复杂的用mr来做数据仓库和数据库的区别 数据仓库：历史数据，面向分析，保证数据的完整性可以允许数据冗余。 数据库：存储结构化，在线数据，面向业务，使用范式来减少冗余。hive中有解析器，编译器，优化 阅读全文
摘要：
flume做日志收集的工具，将数据源导入到指定目标中。flume之间可以相互连接组件 source：如何从数据源中取数据，可以认为是两种主动source（主动取数据）和被动source（推给source，source作为服务接收数据） channel：数据缓冲区 sink：如何将数据写到目标中 上面 阅读全文
摘要：
storm分布式，可容错的实时计算框架，低延迟能做到毫秒级的响应，storm进程是常驻内存，Hadoop是不断启停的，storm中的数据不经过磁盘，都在内存中，处理完成后就没有了，但是可以写到数据库中，数据的交换经过网络，避免了磁盘io的开销storm的集群需要设置多大还有计算能力如何，一般是看数据 阅读全文
摘要：
zookeeper用来解决高可用问题，具有高可用，高性能，具有严格的顺序（只要是分布式系统就会是一个严格的顺序）访问控制能力的分布式协调服务，做分布式协调的作用，可以做服务的同步，维护配置文件和命名服务，解决一致性问题（paxos算法，zab协议（zookeeper原子广播）对paxos算法的一种应 阅读全文
摘要：
在IDEA当中，Project和 Module是作为两个不同的概念，对项目结构是重要意义的 eclipse和idea的区别 IDEA里面的子工程要称为Module就是模块化的概念，作为聚合工程亦或普通的根目录，它称之为Project，而下面的子工程称为模块，每一个子模块之间可以相关联，也可以没有任何 阅读全文
摘要：
spark spark是一个开源分布式计算框架，在于让计算更加快速，通常使用资源调度器yarn和spark自带的资源调度器standalond进行调度，spark相对于Hadoop更加快速，基于它是内存进行迭代，每次通过计算逻辑得到的中间结果值都会存放在内存中，而且最后结果也是从内存到磁盘，而Had 阅读全文
摘要：
之后就可以使用了<dependency> <groupId>video</groupId> <artifactId>log4j</artifactId> <version>1.2.17</version></dependency> 阅读全文
摘要：
对maven项目中pom.xml右键-->Run As-->Maven build... Goals里面添加assembly:assembly 点击run，编译成功后jar包在target目录中 阅读全文
摘要：
maven的pom.xml中添加远程仓库 阅读全文
摘要：
maven对项目编译时报错 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-assembly-plugin:2.2-beta-5:assembly (default-cli) on project video: Error 阅读全文