摘要：
Map定义： 在使用map时，需要先声明，否则结果可能与预期不同，array可以不声明 方式1： 方式2： Map初始化： 与array类似，可以使用括号直接初始化，也可以通过添加的方式来初始化数据，与array不同的是，括号直接初始化时使用的为一个键值对，添加元素时，下标可以不是整数 输出Map所 阅读全文
摘要：
场景： 在spark structured streaming读取kafka上的topic，然后将统计结果写入到hdfs,hdfs保存目录按照month,day,hour进行分区： 1）程序放到spark上使用yarn开始运行（yarn-client或yarn-cluster），可以正常sink结果 阅读全文
摘要：
读取配置文件，进行文件位置转移 在whenb.csv中指定了需要从/home/root/cf/下移除到/home/root/cf_wh/下文件列表，whenb.csv中包含记录如下： 具体实现的shell脚本： 按照map配置，进行文件上传hdfs 配置map(key[path],value[文件名 阅读全文
摘要：
Maven项目出现ERROR： eclipse更新了Maven插件后，让后就出现了以下错误： 解决方案1： 1）Window --> Perferences --> Maven --> Lifecycle Mapping 发现目录：E:\work\git\ICOS-DASpark-Project\. 阅读全文
摘要：
业务需求，有一部分动态字段，需要在程序中动态加载并解析表达式： 实现方案1）：在MapFunction、MapPartitionFunction中使用FelEngine进行解析： 实现方案2）：采用selectExpr()函数 此时动态列dynamicExprLength为10，可以正常输出。 ds 阅读全文
摘要：
读取文件，每行拆分，并比较拆分数组长度 数字判断一些命令：#-gt是大于#-lt是小于#-eq是等于#-ne是不等于#-ge是大于等于#-le是小于等于 阅读全文
摘要：
基本用法主要掌握一点就行： master slave模式运用：driver 就是master，executor就是slave。 如果executor要想和driver交互必须拿到driver的EndpointRef，通过driver的EndpointRef来调接口访问。 driver启动时，会在dr 阅读全文
摘要：
导入 从一个Job运行过程中来看DAGScheduler是运行在Driver端的，其工作流程如下图： 图中涉及到的词汇概念： 1. RDD——Resillient Distributed Dataset 弹性分布式数据集。 2. Operation——作用于RDD的各种操作分为transformat 阅读全文
摘要：
上篇《Spark（四十九）：Spark On YARN启动流程源码分析（一）》我们讲到启动SparkContext初始化，ApplicationMaster启动资源中，讲解的内容明显不完整。 本章将针对yarn-cluster（--master yarn –deploy-mode cluster）模 阅读全文
摘要：
准备工作 需要4个部件：Redis、Ruby语言运行环境、Redis的Ruby驱动redis-xxxx.gem、创建Redis集群的工具redis-trib.rb。使用redis-trib.rb工具来创建Redis集群，由于该文件是用ruby语言写的，所以需要安装Ruby开发环境，以及驱动redis 阅读全文
摘要：
本文主要总结最近一段时间使用maven时，遇到需要maven plugins的一些简单总结。 1）在Build下重新指定最终打包报名 2）Maven Repository上以外的自定义包引入，以及如何设置才能被打包进来 a）在dependencies下引入lib下的jar b）在maven-comp 阅读全文
摘要：
由于项目一些特殊需求，pom依赖的包可能是非Maven Repository下的包文件，因此无法自己从网上下载。此时，我们团队git上对该jar使用。 Maven项目pom引入lib下jar包 在eclipse project下根下创建一个lib文件夹，将依赖包拷贝到这个lib下。 然后，修改Pom 阅读全文
摘要：
了解JVM GC原理非常重要，对于系统调优非常有用。如果一个系统频繁发生FULL GC，那么会造成系统响应卡顿，更严重的时候会导致系统崩溃。 JVM的内存空间 JVM的内存空间，从大的层面上来分析包含：新生代空间(Young)和老年代空间（Old）。新生代空间（Young）又被分为2个部分（Eden 阅读全文
摘要：
引导 Windows环境下JvisulaVM一般存在于安装了JDK的目录${JAVA_HOME}/bin/JvisualVM.exe，它支持（本地和远程）jstatd和JMX两种方式连接远程JVM。 jstatd (Java Virtual Machine jstat Daemon)——监听远程服务 阅读全文
摘要：
引导： 该篇章主要讲解执行spark-submit.sh提交到将任务提交给Yarn阶段代码分析。 spark-submit的入口函数 一般提交一个spark作业的方式采用spark-submit来提交 这个是提交到standalone集群的方式，其中spark-submit内容如下： https:/ 阅读全文
摘要：
MetricsSystem信息收集过程 参考： 《Apache Spark源码走读之21 -- WEB UI和Metrics初始化及数据更新过程分析》 《Spark Metrics配置详解》 《Spark Structrued Streaming源码分析--(四)ProgressReporter每个 阅读全文
摘要：
导入： 1）Spark Web UI主要依赖于流行的Servlet容器Jetty实现； 2）Spark Web UI(Spark2.3之前)是展示运行状况、资源状态和监控指标的前端，而这些数据都是由度量系统（MetricsSystem）收集来的； 3）Spark Web UI（spark2.3之后） 阅读全文
摘要：
存储级别简介 Spark中RDD提供了多种存储级别，除去使用内存，磁盘等，还有一种是OFF_HEAP，称之为 使用JVM堆外内存 https://github.com/apache/spark/blob/branch-2.4/core/src/main/scala/org/apache/spark/ 阅读全文
摘要：
Java中JVM内存结构 线程共享区 方法区： 又名静态成员区域，包含整个程序的 class、static 成员等，类本身的字节码是静态的；它会被所有的线程共享和是全区级别的； 属于共享内存区域，存储已被虚拟机加载的类信息、常量、静态变量、即时编译器编译后的代码等数据。 Java 堆 (Heap)： 阅读全文
摘要：
很多时候在流数据处理时，我们会将avro格式的数据写入到kafka的topic，但是avro写入到kafka的时候，数据有可能会与版本升级，也就是schema发生变化，此时如果消费端，不知道哪些数据的schema是使用升级前的，哪些数据schema使用升级后，此次消费端一旦就经常会跑出异常，为了避免 阅读全文