Xiaohu_BigData

摘要： 一、简介 1.1　概述 Kafka是最初由Linkedin公司开发，是一个分布式、分区的、多副本的、多订阅者，基于zookeeper协调的分布式日志系统（也可以当做MQ系统），常见可以用于web/nginx日志、访问日志，消息服务等等，Linkedin于2010年贡献给了Apache基金会并成为顶级 阅读全文

摘要： 调节Executor堆外内存 概述: Spark底层shuffle的传输方式是使用netty传输，netty在进行网络传输的过程会申请堆外 内存(netty是零拷贝)，所以使用了堆外内存。 什么时候需要调节Executor的堆外内存大小? shuffle file cannot find (DAGS 阅读全文

摘要： Application任务执行流程: 在Spark Application提交后，Driver会根据action算子划分成一个个的job，然后对每一 个job划分成一个个的stage，stage内部实际上是由一系列并行计算的task组成的，然后 以TaskSet的形式提交给你TaskSchedule 阅读全文

摘要： 一、对多次使用的RDD进行持久化 如何选择一种最合适的持久化策略？ 默认情况下，性能最高的当然是MEMORY_ONLY，但前提是你的内存必须足够足够大， 可以绰绰有余地存放下整个RDD的所有数据。因为不进行序列化与反序列化操作，就避 免了这部分的性能开销;对这个RDD的后续算子操作，都是基于纯内存中 阅读全文

摘要： Spark On Hive 配置步骤在Spark客户端安装包下的conf目录中创建文件hive-site.xml，配置hive的metastore路径 <configuration> <property> <name>hive.metastore.uris</name> <value>thrift: 阅读全文

摘要： Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/spark/SparkConf at StreamingT$.main(StreamingT.scala:8) at StreamingT.main(Strea 阅读全文

摘要： 在学习过程中，过了几天再启动虚拟机，启动hadoop后再启动别的框架会报错： Exception in thread "main" java.lang.RuntimeException: org.apache.hadoop.ipc.RemoteException(org.apache.hadoop. 阅读全文

摘要： 报错信息： java.lang.NoClassDefFoundError: org/apache/spark/api/java/function/Function at java.lang.Class.getDeclaredMethods0(Native Method) at java.lang.C 阅读全文

摘要： Spark SQL Spark与Hive的比较，Hive用一句话总结是，传入一条交互式sql在海量数据中查找结果，Spark可以将其结果转化成RDD来来进一步操作。 1.0以前： Shark 1.1.x开始： SparkSQL(只是测试性的) SQL 1.3.x: SparkSQL(正式版本)+Da 阅读全文

摘要： Spark RDD五大特性 1、RDD由一组partition组成 2、每一个分区由一个task来处理 3、RDD之间有一些列依赖关系 4、分区类算子必须作用在kv格式得RDD上 5、spark为task执行提供了最佳计算位置，尽量将task发送到数据所在节点执行 spark 快的原因 1、spar 阅读全文