最近工作时间比较轻松，闲着无事，把之前使用到的大数据的知识做了一次系统的整理和总结，从最基础的Linux虚拟机安装，到最后各个大数据相关组件的搭建，以及框架中需要注意的疑难点并统一记录了下来，一来加深自己的记忆，方便以后查看和复习，同时也能让其他同学学习使用，知识贵在分享，如有写的不完善或者错误的地方，欢迎留言指正，谢谢了。
另外，感兴趣的同学，可以加入大数……继续阅读 »
往事如烟
6年前 (2018-07-17) 2305浏览 0评论
1个赞
flatmap算子操作，先对每个元素进行操作，最后在进行扁平化处理。
测试代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2018/4/8 11:17
# @Author : Relyun、
# @Site :
# @File : T_Spark_FlatMap_Base.py
……继续阅读 »
往事如烟
7年前 (2018-04-08) 2134浏览 1评论
0个赞
map算子对每个元素进行操作处理
测试代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2018/4/8 10:41
# @Author : itzoo、
# @Site :
# @File : T_Spark_Map_Base.py
# @Software: PyCharm
……继续阅读 »
往事如烟
7年前 (2018-04-08) 3436浏览 0评论
0个赞
Hbase常用API操作，主要包括表的创建，数据的添加，获取，预分区的使用和Filter使用。
环境： Hadoop 2.5, Hbase版本0.98
代码
package net.itzoo;
import java.io.IOException;
import java.math.BigInteger;
import java.text.……继续阅读 »
itzoo
7年前 (2017-08-29) 3546浏览 0评论
0个赞
整体架构优化
现在hive的整体框架如下，计算引擎不仅仅支持Map/Reduce，并且还支持Tez、Spark等。根据不同的计算引擎又可以使用不同的资源调度和存储系统。
整体架构优化点：
根据不同业务需求进行日期分区，并执行类型动态分区。
相关参数设置：
0.14中默认hive.exec.dynamic.partition=ture
为了减少磁盘存……继续阅读 »
itzoo
8年前 (2017-05-25) 3786浏览 0评论
1个赞
Hadoop RPC是Hadoop的一个重要部分，提供分布式环境下的对象调用功能，源码在org.apache.hadoop.ipc中。而HBase也几乎完全copy了这部分的源码，只是在配置项上面有所改动。关于Hadoop RPC的机制分析和源码解读，网上已经有许多资料，一搜一大把，这里就不在描述了。本文通过一个小例子，介绍如何调用Hadoop RPC。
1……继续阅读 »
itzoo
8年前 (2017-05-16) 3685浏览 0评论
0个赞
条件函数
if函数：if
语法: if(boolean testCondition, T valueTrue, T valueFalseOrNull)
返回值: T
说明: 当条件testCondition为TRUE时，返回valueTrue；否则返回valueFalseOrNull
举例：
hive> select if(1=2,100,200)……继续阅读 »
itzoo
8年前 (2017-03-28) 3549浏览 0评论
0个赞
HBase是Hadoop生态圈中的一员，Nosql数据库，能够对大数据提供随机、实时读写访问。他是开源的，分布式的，多版本的，面向列的，存储模型。
Hbase架构
Hbase体系架构
HBase Master是服务器负责管理所有的HRegion服务器，HBase Master并不存储HBase服务器的任何数据，HBase逻辑上的表可能会划分为多个HRe……继续阅读 »
itzoo
8年前 (2017-03-22) 4619浏览 0评论
0个赞
RPC，即Remote Procdure Call，中文名：远程过程调用；
RPC的基础概念
它允许一台计算机程序远程调用另外一台计算机的子程序，而不用去关心底层的网络通信细节，对我们来说是透明的。因此，它经常用于分布式网络通信中。
RPC协议假定某些传输协议的存在，如TCP或UDP，为通信程序之间携带信息数据。在OSI网络通信模型中，RPC跨越了传输层……继续阅读 »
itzoo
8年前 (2017-03-03) 3630浏览 0评论
0个赞
一．Azkaban和Oozie的工作流程
Azkaban工作流程
Azkaban将需要操作的信息打包成zip文件发送给Server端，Server对用户的信息进行存储。用户在Web UI 或者通过HTTP Client发送操作请求后，Server会根据用户定义的*.job文件（KV 匹配），执行zip包中的Jar文件。
源码的执行过程：
1.……继续阅读 »
itzoo
8年前 (2017-03-03) 3014浏览 0评论
0个赞
代码测试环境：Hadoop2.4
应用场景：当需要定制输出数据格式时可以采用此技巧，包括定制输出数据的展现形式，输出路径，输出文件名称等。
Hadoop内置的输出文件格式
FileOutputFormat<K,V> 常用的父类；
TextOutputFormat<K,V> 默认输出字符串输出格式；
SequenceFileOutpu……继续阅读 »
itzoo
8年前 (2017-02-27) 5198浏览 0评论
0个赞
功能
两者均可以调度mapreduce,pig,java,脚本工作流任务
两者均可以定时执行工作流任务
工作流定义
Azkaban使用Properties文件定义工作流
Oozie使用XML文件定义工作流
工作流传参
Azkaban支持直接传参，例如${input}
Oozie支持参数和EL表达式，例如${fs:dirSize(myInputDir)}
定时……继续阅读 »
itzoo
8年前 (2017-02-24) 2686浏览 0评论
0个赞
