2021年3月4日
解决执行节点负载不均衡
摘要： 比如启动四个节点，但是在处理数据的时候负载不均衡，只有两个节点的使用率很高。可以推测与分区数有关，测试数据集为267MB，hdfs中默认的数据分片大小为128MB，约有两个分区。推测只有两个分区能拿到数据进行计算，所以将hdfs的数据分片大小改为64MB，这样约有4个分区，与集群中的Executor 阅读全文
posted @ 2021-03-04 17:03 wanpi 阅读(140) 评论(0) 推荐(0) 编辑
解读DAG Visualization图
摘要： 在Spark中，job与被组织在DAG中的一组RDD依赖性密切相关，类似下图： 这个job执行一个简单的word cout。首先，它执行一个textFile从HDFS中读取输入文件，然后进行一个flatMap操作把每一行分割成word，接下来进行一个map操作，以形成form（word，1）对，最后 阅读全文
posted @ 2021-03-04 16:18 wanpi 阅读(602) 评论(0) 推荐(0) 编辑
Intellij IDEA运行报Command line is too long解法(亲测有效）！
摘要： 报错内容: Error running 'ServiceStarter': Command line is too long. Shorten command line for ServiceStarter or also for Application default configuration. 阅读全文
posted @ 2021-03-04 15:31 wanpi 阅读(366) 评论(0) 推荐(0) 编辑
2021年2月15日
python3.7爬取唐探3，李焕英豆瓣短评，来一波词云秀
摘要： 过完春节的最近几天，大家纷纷走进电影院，和家人或者朋友或者恋人一同观看好看的电影吧。听说大年初一第一天唐探3售出10万张电影票，比李焕英的多了3倍还多。不过最近几天大家对唐探3的期望大幅度下降了，而李焕英成为了一匹黑马，票房不断攀升。迎来了：再见，唐探3；你好，李焕英！的场面，下面让我们看看豆瓣影评 阅读全文
posted @ 2021-02-15 21:29 wanpi 阅读(168) 评论(0) 推荐(0) 编辑
2021年2月2日
Spark学习中遇到的Q&A
摘要： 最近一段时间在学习spark,以下是学习过程中的一些总结。 1、Q：RDD中的Transformation 和Action操作都有哪些？ A：整理如下： Transformation 与 Action 的区别还在于，对 RDD 进行 Transformation 并不会触发计算：Transforma 阅读全文
posted @ 2021-02-02 21:03 wanpi 阅读(51) 评论(0) 推荐(0) 编辑
2021年2月1日
小白专用-Windows下安装Anaconda和PyCharm
摘要： 许多新学员不知道开始学Python需要安装什么，需要准备什么，特地写下这篇文档给一脸懵逼的新同学们作为指导文档。 很多人想到学习Python就要去官网下载一个Python,其实并不需要，因为anaconda本身就自带了Python的解释器而且还自带了很多实用性工具，比如：丘比特笔记本（jupyte 阅读全文
posted @ 2021-02-01 18:29 wanpi 阅读(190) 评论(0) 推荐(0) 编辑
2021年1月27日
解决spark-submit的There is insufficient memory for the Java Runtime Environment to continue.（老顽固问题） failed; error='Cannot allocate memory' (errno=12)
摘要： Q：第一次提交wordcount案例，OK，一切正常。再次提交，出现下述错误。完整错误粘贴如下： 21/01/27 14:55:48 INFO spark.SecurityManager: Changing modify acls groups to: 21/01/27 14:55:48 INFO 阅读全文
posted @ 2021-01-27 16:25 wanpi 阅读(842) 评论(0) 推荐(0) 编辑
spark的standalone模式下：查看任务结束后的历史记录
摘要： 我想说4040端口太坑了，我运行wodcount案例，时间那么短，想去4040里查看任务具体运行情况，根本不可能。spark程序运行完毕后，就再无法通过4040端口看到什么了。今天我们通过修改spark的一些配置文件，使得我们的程序运行结束后，依然能够查看，并且通过WEBUI页面，可以看到一些详细内 阅读全文
posted @ 2021-01-27 15:57 wanpi 阅读(426) 评论(0) 推荐(1) 编辑
只是为了保存一些有用链接而已
摘要： Spark 中 JVM 内存使用及配置详情、spark报错与调优、Spark内存溢出OOM异常 ：https://blog.csdn.net/qq_22473611/article/details/105989061 Spark快速入门系列(5) | Spark环境搭建—standalone(2) 阅读全文
posted @ 2021-01-27 15:13 wanpi 阅读(66) 评论(0) 推荐(0) 编辑
2021年1月22日
在IDEA上运行spark时遇到的Q&A
摘要： 问题：Could not locate executable null\bin\winutils.exe in the Hadoop binaries 解决：缺少winutils.exe程序。 Hadoop都是运行在Linux系统下的，在windows下的IDEA中运行mapreduce程序，要首先 阅读全文
posted @ 2021-01-22 10:00 wanpi 阅读(238) 评论(0) 推荐(0) 编辑