- 博客(28)
- 收藏
- 关注
RSS订阅原创 启动azkaban时报错Could not initialize class org.apache.derby.jdbc.AutoloadedDriver40
安装azkaban，修改过配置文件后去启动executor时报错了 报错原因：大概就是找不到derby自动载入驱动类 分析原因： 1.azkaban在启动时因为检测到hive环境，如果有hive环境就加载hive的lib下所有的jar包！意思是在azkaban启动的时候没有加载hive时，hive没有找到derby，因为hive默认元数据交由derby来管理！ 2.主要原因可能是hive高版本的bug，笔者在之前用hive低版本是没有出现该bug！ 3.或者是azkaban的版本过低，调用的是hive老的
2020-09-10 10:03:21
1023
原创 来自灵魂的发问之——Flink
祝各位秃头同行们天天开心 1.Flink的抽象层级有几种 Stateful stream processing Core Api Table Sql 2.Window类型 TimeWindow Tumbling Window(滚动窗口) Sliding Window(滑动窗口) Session Window(会话窗口) Global Window（全局窗口） countWindow 自定义Window 3.Time类型 Flink中的事件和其他流式计算系统的事件一样分为三类：事件时间，摄入事
2020-07-22 10:48:34
602
1
原创 Flink 的数据抽象及数据交换过程
Flink为了避免JVM的固有缺陷 例如java对象存储密度低，FGC影响吞吐和影响等，实现了自主管理内存。 flink内存管理 大数据领域的开源框架（Hadoop，Spark，Storm）都使用的 JVM，当然也包括 Flink。基于 JVM 的数据分析引擎都需要面对将大量数据存到内存中，这就不得不面对 JVM 存在的几个问题： （1）Java 对象存储密度低。一个只包含 boolean 属性的对象占用了16个字节内存：对象头占了8个，boolean 属性占了1个，对齐填充占了7个。而实际上只需要一个bi
2020-07-21 12:03:20
679
原创 Flink组件解析
1.什么是flink？ Flink 是一个框架和分布式处理引擎，用于对无界和有界数据流进行有 状态计算。 Flink 能够提供毫秒级别的延迟，同时保证了数据处理的低延迟、高吞吐和结果的正确性，还提供 了丰富的时间类型和窗口计算、Exactly-once 语义支持，另外还可以进行状态管理，并提供 了 CEP（复杂事件处理）的支持。 2.Flink 的重要特点？ 事件驱动 事件驱动型应用是一类具有状态的应用，它从一个或多个事件流提取数据，并 根据到来的事件触发计算、状态更新或其他外部动作。比较典型的就是以 k
2020-07-15 17:08:38
1288
1
转载 Spark及Spark Streaming核心原理及实践
spark 生态及运行原理 Spark 特点 运行速度快 => Spark拥有DAG执行引擎，支持在内存中对数据进行迭代计算。官方提供的数据表明，如果数据由磁盘读取，速度是hadoop MapReduce的10倍以上，如果数据从内存中读取，速度可以高达100多倍。 适用场景广泛 => 大数据分析统计，实时数据处理，图计算及机器学习。 易用性 => 编写简单，支持80种以上的高级算子，支持多种语言，数据源丰富，可部署在多种集群中。 容错性高=>Spark引进了弹性分布式数据集RDD
2020-07-09 16:16:57
533
原创 mongoDB ERROr: child process failed, exited with error number 48
首先删除data以及log里面生成的所有文件 cd log/ rm -rf mongod.log rm -rf mongod.log.2020-07-03T12-55-50 cd data/db/ rm -rf mongod.lock 接着执行 ./bin/mongod --repair ps -ef | grep mongo kill -9 端口号 ./binmongod -f ./conf/mongod.conf ...
2020-07-09 16:14:52
242
原创 spark部署模式(资源调度模式)
1.资源调度模式 1.1 local模式（本地） 运行该模式非常简单，只需要把Spark的安装包解压后，改一些常用的配置即可使用，而不用启动Spark的Master、Worker守护进程( 只有采用集群的Standalone方式时，才需要这两个角色)，也不用启动Hadoop的各服务（除非要用到HDFS文件系统）。 Spark不一定非要跑在hadoop集群，可以在本地，起多个线程的方式来指定。将Spark应用以多线程的方式直接运行在本地，一般都是为了方便调试，本地单机模式分三类： local： 只启动一个ex
2020-06-30 20:12:15
391
原创 普通用户Linux用tar解压文件，无法open：没有那个文件或目录
在Linux下，我解压一个/home/user/*.tgz的文件时，使用tar -zxvf *.tgz，刚开始一切顺利，过了一会出现“无法 open: 没有该文件或目录”，且一直出现不断。 分现原因如下： 1.是否因帐号权限不足造成的,建议用sudo执行 2.原tar包损坏 3.可能磁盘空间不足，df /home -h 查看/home是否已满 ...
2020-03-11 19:26:32
3942
原创 Spark知识点总结
1.什么是spark？ spark是基于内存计算的通用大数据并行计算框架，是一个快速、通用可扩展的大数据分析引擎。它给出了大一统的软件开发栈，适用于不同场合的分布式场景，如批处理、迭代算法、交互式查询、流处理、机器学习和图计算。 2.Spark生态系统？ SparkCore：spark的核心计算 主要Rdd SparkSQL：提供了类sql方式操作结构化半结构化数据。对历史数据进行交互式查询。（即...
2020-02-13 11:20:37
1040
原创 Hive优化
企业级调优 1 Fetch抓取 Fetch抓取是指，Hive中对某些情况的查询可以不必使用MapReduce计算。例如：SELECT * FROM employees;在这种情况下，Hive可以简单地读取employee对应的存储目录下的文件，然后输出查询结果到控制台。 在hive-default.xml.template文件中hive.fetch.task.conversion默认是more，老...
2020-02-12 19:53:46
376
原创 spark的优化要点
背景 为什么需要调优？？ 程序都是能跑的，集群还是那个集群，但是有可能另外一个会调优的人和你写的代码的运行的速度要几倍甚至几十倍 1.开发调优 1.1 原则一：避免创建重复的RDD 我们有一份数据 ，student.txt 第一个需求 ：wordCount val stuRDD = sc.textFile(“e://sparkData//student.txt”) 第二个需求：算有多少个学生 ...
2020-02-04 18:53:59
431
原创 Spark控制算子
概念： 控制算子有三种，cache,persist,checkpoint，以上算子都可以将RDD持久化，持久化的单位是partition。cache和persist都是懒执行的。必须有一个action类算子触发执行。checkpoint算子不仅能将RDD持久化到磁盘，还能切断RDD之间的依赖关系。 cache 默认将RDD的数据持久化到内存中。cache是懒执行。 注意：cache () = p...
2020-02-04 18:45:36
300
原创 SparkCore常用算子
算子 描述 collect() 无参，以数组的形式返回RDD中的所有的元素：本质上：是将executor中运算得到的RDD—>拉取到Driver程序中来，形成Scala的集合 take(n) 返回RDD中的前n个元素，无参时，默认为前10个 takeOrdered(n, [ordering]) 和top类似，先排序（升序/降序），再取前n，不过获取的元素的顺序...
2020-02-04 18:38:17
363
原创 SparkStreaming算子
Transformation 含义 map(func) 通过函数func传递源DStream的每个元素，返回一个新的DStream flatMap(func) 类似于map，但是每个输入项可以映射到0或多个输出项。 filter(func) 通过只选择func返回true的源DStream的记录来返回一个新的DStream。 repartition(numPartiti...
2020-02-04 18:21:02
354
原创 spark基础概要（面试题）
1.什么spark？ spark是基于内存计算的通用大数据并行计算框架，是一个快速、通用可扩展的大数据分析引擎。它给出了大一统的软件开发栈，适用于不同场合的分布式场景，如批处理、迭代算法、交互式查询、流处理、机器学习和图计算。 2.spark生态有哪些？ SparkCore：spark的核心计算 主要Rdd SparkSQL：提供了类sql方式操作结构化半结构化数据。对历史数据进行交互式查询。（...
2020-02-03 20:36:11
315
转载 Hive的常见错误
1.Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.MoveTask. org.apache.hadoop.hive.ql.metadata.HiveException: Unable to move source file: 解决： 退出hive，关闭namenode和datanode，删除namenode的...
2019-12-17 20:26:59
1372
原创 关于Hadoop相关的各种概念及优缺点
Hadoop优势 hdfs定义 hdfs优点 什么是hive Hive：由Facebook开源用于解决海量结构化日志的数据统计。 Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。 本质是：将HQL转化成MapReduce程序 1）Hive处理的数据存储在HDFS 2）Hive分析数据底层的实现是MapReduce 3）执行程序运行在Yar...
2019-12-06 15:29:54
296
原创 关于zookeeper
zookeeper是什么 zookeeper是一个分布式协调服务的开源框架，主要是用来解决分布式集群中应用系统的一致性问题，例如怎样避免网时操作同一数据造成的脏读的问题，zookeeper本质上是一个分布式的小文件存储系统，提供基于类似于文件系统的目录树方式的数据存储，并且可以对树中的系欸但进行有效管理，从而用来维护和监控你存储的数据的状态变化，通过监控这些数据状态的变化，从而可以达到基于数据的集...
2019-12-04 14:46:02
334
原创 关于Hadoop的一些面试题
1.简单描述你对Hadoop集群SafeMode模式的理解？ 1.SafeMode又称Hadoop安全模式，是Hadoop的一种保护机制，用于保证集群中的数据块的安全性； 2.在安全模式下不允许客户端进行任何修改文件的操作，包括上传文件，删除文件，重命名，创建文件夹等操作；虽然不能进行修改文件的操作，但是可以浏览目录结构，查看文件内容等。 3，在命令行下是可以控制安全模式的进入，退出和查看。 Ha...
2019-12-01 20:24:46
467
原创 Hive基本概念
第1章 Hive基本概念 1.1 什么是Hive Hive：由Facebook开源用于解决海量结构化日志的数据统计。 Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。 本质是：将HQL转化成MapReduce程序 1）Hive处理的数据存储在HDFS 2）Hive分析数据底层的实现是MapReduce 3）执行程序运行在Yarn上 1.2 ...
2019-11-29 11:34:56
770
原创 MapReduce概述
第1章 MapReduce概述 1.1 MapReduce定义 1.2 MapReduce优缺点 1.2.1 优点 1.2.2 缺点 1.3 MapReduce核心思想 MapReduce核心编程思想，如图4-1所示。 图4-1 MapReduce核心编程思想 1）分布式的运算程序往往需要分成至少2个阶段。 2）第一个阶段的MapTask并发实例，完全并行运行，互不相干。 3）...
2019-11-29 11:33:39
383
原创 Hadoop完全分布式搭建
1.克隆三台虚拟机 例： hadoop101 NN DN NM hadoop102 RM DN NM hadoop103 2NN DN NM 分析： hadoop101里配置namenode hadoop102里配置resourcemanager hadoop103里配置SecondaryNameNode DN(datanode) NM(na...
2019-11-29 11:32:44
154
原创 sqoop简介
第1章 Sqoop简介 Sqoop是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。 Sqoop项目开始于2009年，最早是作为Hadoop的一个第三方模块存在...
2019-11-29 11:31:41
230
原创 Hadoop解除安全模式
hadoop 解除 “Name node is in safe mode” 解决的命令： hdfs dfsadmin -safemode leave #关闭safe mode 可以通过dfsadmin -safemode value 来操作安全模式，参数 value的说明如下： enter - 进入安全模式 leave - 强制NameNode离开安全模式 get - 返回安全模式是否开启的信...
2019-11-29 11:29:15
736
原创 大数据之Hadoop（HDFS）
大数据技术之Hadoop（HDFS） 第1章 HDFS概述 1.1 HDFS产出背景及定义 1.2 HDFS优缺点 1.3 HDFS组成架构 1.4 HDFS文件块大小（面试重点） 第2章 HDFS的Shell操作（开发重点） 1．基本语法 bin/hadoop fs 具体命令 OR bin/hdfs dfs 具体命令 dfs是fs的实现类。 2．命令大全 [jinghang@had...
2019-11-29 11:28:11
331
1
原创 linux
Linux命令总结 一、Vi/Vim编辑器 1.1一般模式 以vi打开一个档案就直接进入一般模式了（这是默认的模式）。在这个模式中， 你可以使用『上下左右』按键来移动光标，你可以使用『删除字符』或『删除整行』来处理档案内容， 也可以使用『复制、贴上』来处理你的文件数据。 常用语法 语法 功能描述 yy 复制光标当前一行 y数字y...
2019-11-10 21:54:41
428
原创 shell
shell 1.1 系统变量 1. 常用系统变量 $ HOME、$ PWD、$ SHELL、$USER等 2．案例实操 （1）查看系统变量的值 [jinghnag@hadoop101 datas]$ echo HOME/home/jinghnag（2）显示当前Shell中所有变量：set[jinghnag@hadoop101datas]HOME /home/jinghnag （2）显示当前Shel...
2019-11-10 21:53:47
214
原创 Linux命令20191110
Linux命令： /bin 是Binary的缩写,这个目录存放着最经常使用的命令 /sbin s就是Super User的意思,这里存放的系统管理员使用的系统管理程序 /home 存放普通用户的主目录,在Linux中每个用户都有自己的一个目录,一般该目录是以用户的账户命名 /root 该目录为系统管理员,也称作超级权限者的用户主目录 /lib 系统开机所...
2019-11-10 20:27:48
292
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人