下士闻道

摘要： 接触到RAFT是在学习KUDU的时候，KUDU的官方文档中一个连接指向了RAFT；只是觉得这个算法一定有其特点，要知道KUDU可以是一帮HBASE的大神写的。原始开始了解。 RAFT是一致性算法，说到一致性算法很多都会想到zookeeper，是的，这是我们接触比较多的内部包含一致性算法的应用产品了。zookeeper是基于Paxos。RAFT的假想敌无疑就是Paxos，因为RAFT的论文中全文... 阅读全文

摘要： 为了让maven能够在Terminal窗口执行（比在Console执行方便多了，命令行总是比右键选择run要快），需要配置如下的profile；然后敲入 mvn -test -Prun 即可。 采用这种注意工程间的依赖需要都install才能够正常跑，因为他用的jar都是从mvn仓库中取值；而不再是 阅读全文

摘要： ● Based on the recommendations mentioned above, Let's assign 5 core per executors => --executor-cores = 5 (for good HDFS throughput) ● Leave 1 core pe 阅读全文

摘要： 数学的基本思路就是描绘一个范围，然后告诉你我只是关注这个范围里面的一部分。算法其实也是如此。 阅读全文

摘要： 依赖是临时关系，生命周期仅限于一个函数； 关联（association）则是长久关系，一般为对象的属性，其生命周期和对象本身是一致的； 聚合（aggregation）本身也是关联，但是其语义上是has-a的关系，同时保持独立；就像大楼和砖头的这种关系；大楼倒了，砖头其实还是可以存在的；再比如Cust 阅读全文

摘要： 数据倾斜的主要问题在于，某个分区数量很巨大，在做map运算的时候，将会发生别的分区task很快计算完成，但是某几个分区task的计算成为了系统的瓶颈，明显超过其他分区时间； 1.方案：Kafka的随机主题 如果kafka的topic和分区关联，而且kafka是专用的，那么其实kafka如果能够和随机 阅读全文

摘要： 理解MapReduce关键两个步骤； 首先是构想出结构的数据结构，这种数据结构可以支撑你的业务分析使用；是要理解这种模式的处理元素。 第二步，分析原始数据的结构是怎样的； 第三步，基于原始数据结构以及目标数据结构，在分析map的实现逻辑，返回值什么，sort-shuffle之后的值什么，这个值也是r 阅读全文

摘要： 华为面试提到了数据库（索引）的数据结构，当时懵逼了，于是调查一下。 首先要讲一下索引的概念；所以其实是独立于数据而存储的；因为索引的用途是查询，所以存储的数据结构是B树（面试之后，我和面试官沟通了一下，数据库存储的数据结构是什么，结果被鄙视了）；索引/ 数据的存储一般是以页为单位的； 那么为甚采用B树，而不是平衡二叉树之类的二叉树？因为B树可以有多个孩子，可以控制深度；二叉树则是一个节点只能有... 阅读全文

摘要： Map-Reduce本身并不是算法；而是一种处理模式；因为在大数据分布式这种场景下，处理数据运算和单机版不同；需要协同多台机器，并行计算；于是有了map-reduce这种模式，map阶段是数据处理，在各个机器上面进行并行计算，可以算作是对于数据的一个过滤+计算过程，对于需要计算的数据进行收集（map 阅读全文

摘要： 朴素贝叶斯（Native Bayes），贝叶斯在现实使用中是怎么玩的？不是根据A|B的概率获得B|A的概率，在现实中的玩法是： 首先要明白贝叶斯是一种分类算法，因为是概率所以，他的应用领域其实是比较，那个分类的概率大就是哪个分类。 常场景是属性和结论，比如天气，风向，温度这些维度属性来推断是否适合打 阅读全文