摘要：
1.RDD的官网定义 A Resilient Distributed Dataset (RDD), the basic abstraction in Spark. Represents an immutable，partitioned collection of elements that can 阅读全文
摘要：
以下的这篇文章是spark官网关于集群规模的一篇概述，以及一些术语的解释，还有一些图解架构 Cluster Mode Overview 群集模式概述 本文档简要概述了Spark如何在集群上运行，以便更容易理解所涉及的组件。阅读应用程序提交指南 ，了解有关在群集上启动应用程序的信息。 Componen 阅读全文
摘要：
scala部署好以后我们来进行基础学习 val与var scala> val name:String = "17"name: String = 17 scala> name = "dashu"<console>:12: error: reassignment to val name = "dashu 阅读全文
摘要：
环境准备 环境准备 如果你是scala2.11.8，应该也没有问题，因为看下图，也就是说我们的spark2.4.2版本对应着2.11版本的任何一个小版本的scala都可以。 下载 下载 解压 解压 配置文件 --这里有巨坑 配置文件 --这里有巨坑 修改make-distribution.sh 修改 阅读全文
摘要：
数据结构 customer表 oder表 MAPJOIN 场景：我们模拟一个有一份小表一个大表的场景，customer是那份小表，order是那份大表做法：直接将较小的数据加载到内存中，按照连接的关键字建立索引， 大份数据作为MapTask的输入键值对 map()方法的每次输入都去内存当中直接去匹配 阅读全文
摘要：
1、fsimage和edit的区别？ 2、列举几个配置文件优化？ --发挥 3、datanode 首次加入 cluster 的时候，如果 log 报告不兼容文件版本，那需要namenode 执行格式化操作，这样处理的原因是？ 4、MapReduce 中排序发生在哪几个阶段？这些排序是否可以避免？为什 阅读全文
摘要：
scalikejdbc的简介： ScalikeJDBC是一款给Scala开发者使用的简介访问类库，它是基于SQL的，使用者只需要关注SQL逻辑的编写，所有的数据库操作都交给ScalikeJDBC。这个类库内置包含了JDBCAPI，并且给用户提供了简单易用并且非常灵活的API。并且，QueryDSl（ 阅读全文
摘要：
【环境准备】 scala-2.11.8 下载地址 ：https://downloads.lightbend.com/scala/2.11.8/scala-2.11.8.tgz jdk1.8 【安装过程】 部署完成 这是我学大数据以来，安装部署最顺利最没有坑的一个软件，大爱 阅读全文
摘要：
简介： hive是建立在hadoop之上的数据仓库，一般用于对大型数据集的读写和管理，存在hive里的数据实际上就是存在HDFS上，都是以文件的形式存在，不能进行读写操作，所以我们需要元数据或者说叫schem来对hdfs上的数据进行管理。那元数据表之间有没有什么关联呢？答案是肯定的。hive默认元数 阅读全文
摘要：
UDF的定义 UDF（User-Defined Functions）即是用户定义的hive函数。hive自带的函数并不能完全满足业务需求，这时就需要我们自定义函数了 UDF的分类 这三类中，我们只对UDF类的函数进行改写 这三类中，我们只对UDF类的函数进行改写 pom文件配置 UDF函数编写 打j 阅读全文