大数据常用官网URL

最新推荐文章于 2024-09-07 20:28:56 发布

原创最新推荐文章于 2024-09-07 20:28:56 发布 · 586 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#url

JDK下载地址：

http://www.oracle.com/technetwork/java/javase/downloads/index.html

JDK8 API下载地址：

http://docs.oracle.com/javase/8/docs/api/

下载：

http://www.oracle.com/technetwork/java/javase/documentation/jdk8-doc-downloads-2133158.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Chrishyw

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

JDK11 API 帮助文档下载【中文版】

m0_52861684的博客

02-13

2万+

JDK11 版本 API 帮助文档中文版下载及使用。

【大数据原理】实验二：熟悉常用的 HDFS 操作

everyone_dream的博客

03-21

1020

熟悉常用的 HDFS 操作：简单的 Shell命令，用 Java编程实现还是有一定的难度，不过还是有规律可循，方法和命令大致相同。遇到的问题就是，对 API 不够熟悉，需要经常查询。

参与评论您还未登录，请先登录后发表或查看评论

JDK的Api文档下载操作

m0_59348420的博客

05-15

3446

6、点击打开就可以看到文档内容了，在文档的右上角有个搜索按钮，当我们需要查找某个控件的具体使用方法的时候，我们可以在这里进行搜索。5、在doc文件里面找到api，在api文件夹里面你将会看到index.html，这个就是我们需要的api文档。2、下拉滚动条，找到jdk里面的Documentation Download选项，选择红框标记的这个选项，点击。Java开发过程中，我们经常需要查看Java API文档。官方的Java API文档是在线的，如何下载呢？Java API是Java平台的重要组成部分。

Java最新JDK和API下载（持续同步更新于官网）

热门推荐

为你永远铭记的博客

02-26

8万+

大数据常用组件官网地址

m0_52820789的博客

01-17

1285

大数据常用组件官网地址

常用手册或官网的url

weixin_30486037的博客

03-10

178

1、mysql--> https://www.mysql.com/ 2、菜鸟教程--> http://www.runoob.com 3、maven官网--> https://maven.apache.org/ 4、redis菜鸟教程 http://www.runoob.com/redis/ 5、电子书及视频等学习资源 http://xidong.n...

hadoop大数据常用命令

06-09

### Hadoop大数据常用命令知识点详解 #### 一、启动与关闭Hadoop集群 **启动Hadoop** - **步骤**: 进入HADOOP_HOME目录，然后执行`sh bin/start-all.sh`。 - **作用**: 启动Hadoop集群，包括DataNodes和NameNode。...

精选资源

ABAP 常用功能eg emai send & post & 钉钉&微信发送&长文本读取&大数据导出

06-13

5. **大数据导出**：在处理大数据时，ABAP提供多种工具，如`CL_BCS`（Business Communication Services）用于生成Excel文件，或者`CL_GUI_FRONTEND_SERVICES`类的`DOWNLOAD_FILE`方法进行文件下载。对于大规模数据，...

大数据技术与应用入门培训教程（电子版下载+视频教程+大数据路线图）.zip

04-19

“大数据常用概念”包括数据湖、数据仓库、ETL（抽取、转换、加载）、MapReduce、HDFS（Hadoop分布式文件系统）等。理解这些概念是进一步学习大数据技术的基础。最后，“大数据架构与生态圈”涵盖了一系列相互协作...

精选资源

实验二：熟悉常用的HDFS操作

05-05

实验二：“熟悉常用的HDFS操作”旨在帮助学习者深入理解Hadoop分布式文件系统（HDFS）在大数据处理中的核心地位，以及如何通过Shell命令和Java API进行高效操作。HDFS在Hadoop架构中扮演着存储大数据的核心角色，为...

jdk8中文api手册

03-05

jdk8中文api手册，无广告版，优化排版

导航开发常用官方网址办公政府网站 url

aiqingshan6402的博客

05-10

242

导航：【https 免费ssl】 https://freessl.org 【FastAdmin】 https://www.fastadmin.net 【jquery validation 表单验证】 https://github.com/j...

一些常用网站的 url

breadest的专栏

10-12

1389

depositifiles:http://depositfiles.com/en/files/520535 题目我想是：基于SOA架构的软件分发与更新技术研究与应用一个与此题目相关的国际标准是：http://www.oasis-open.org/committees/tc_home.php?wg_abbrev=wsdm 在线翻译：http://fy.iciba.com/JU

Java006-Java API下载及简单使用

xinlovechan的博客

08-16

3757

Java API下载及简单使用，包含常见Java API的官网下载地址（JDK8、JDK11和JDK17）、百度下载步骤（以JDK17为例）以及Java API的简单使用方法（以Scanner为例）

【免费下载】 JDK API 中文版下载

gitblog_09801的博客

09-07

978

JDK API 中文版下载【下载地址】JDKAPI中文版下载 JDK API 中文版下载本仓库提供JDK API中文版的下载资源，涵盖了JDK 1.6、1.8和1.9三个版本项目地址: https://gitcode.com/...

java官网下载离线api文档地址

王铁牛老师

08-15

4559

看到很多人在csdn资源区放着自己下载过的jdk和java离线文档，很是气愤，很多人只是没找到官网的下载位置，这种免费的东西你也好意思收50C币，甚至有的还要钱，这不是欺负老实人吗！下载地址：https://www.oracle.com/java/technologies/downloads/#java11。下载地址：https://www.oracle.com/java/technologies/downloads/#java8。提示：进入jdk下载地址，在最下面有相应版本的离线api文档下载。...

JDK与API下载与使用

m0_53658634的博客

08-07

2390

在任意盘符的新建文件夹中新建一个文件，将后缀名改为.java，这里需要注意文件要显示后缀名，如果没有显示后缀名改了是没有用的，显示后缀名的方法是在文件夹界面的功能栏上的查看，将文件扩展名选择框勾上。点进去即可下载，默认是最新版的JDK，如果要下载老版本的可以先选择JDk版本，在相应页面下载API文档，官网不好找，还是英文的，建议去优快云或者百度上找找中文文档。注意：要下载的是JDK，而不是JRE，JDK是开发的，JRE是用来运行开发好的JAVA项目，JDK中就包含了JRE。......

JAVA-jdk8的API文件下载

m0_46672151的博客

07-07

7218

API下载地址: https://www.oracle.com/java/technologies/javase-jdk8-doc-downloads.html. 进入后下载zip文件下载成功后解压下载文件，然后打开docs，api目录下的index.html文件即可注：推荐使用英文文档

JavaAPI下载方法

mingyuexn的博客

08-17

674

JavaAPI历史版本下载方法

大数据开发中hive的常用函数

最新发布

12-08

<think>嗯，用户这次是在询问Hive的常用函数，结合之前讨论的ODS层同步场景，看来是在构建数据仓库过程中需要实际应用Hive进行数据处理。用户提到的三个引用都是关于Hive的技术文档，特别是函数和优化相关内容，说明用户需要的是开发实战指南而非理论概述。从用户身份推测应该是大数据开发工程师或数据仓库工程师，正在准备面试或实际开发工作。深层需求可能是系统掌握Hive函数体系，避免在ETL开发中踩坑。考虑到之前讨论过ODS层同步，用户可能尤其关注数据清洗和转换相关的函数。需要重点覆盖这些函数类型： 1 数据清洗类：处理ODS层原始数据常见的空值、格式问题 2 聚合计算类：满足DWD层指标计算需求 3 时间处理类：业务场景中高频使用的日期转换 4 高级分析类：开窗函数等复杂分析场景 5 优化技巧：防止数据倾斜等生产环境问题特别要注意引用[2]中提到的生产级技巧和避坑指南，这是用户容易忽略但实际开发中至关重要的部分。比如count(distinct)导致的数据倾斜问题，很多初级开发者都会中招。对于函数说明要强调三点：使用场景、性能影响、替代方案。例如当用户需要去重计数时，除了count(distinct)还要提供近似统计方案。每个函数最好配上真实业务场景的SQL示例，比如订单分析、用户行为日志处理等。最后需要关联之前讨论的ODS层同步场景。比如在讲解时间函数时，可以说明如何用from_unixtime处理ods层同步过来的时间戳字段，保持技术栈的连贯性。 </think> 以下是大数据开发中Hive的核心常用函数分类及典型场景解析，结合生产实践与性能优化建议： --- ### 一、数据清洗与转换函数 1. **字符串处理** - `regexp_extract(string, pattern, idx)`：正则提取日志字段 ```sql -- 提取URL中的域名 SELECT regexp_extract(url, '^(https?://[^/]+)', 1) AS domain FROM log_table; ``` - `split(string, delimiter)`：拆分字符串为数组 ```sql SELECT split('a,b,c', ',')[0] AS item1; -- 输出 'a' ``` - `concat_ws(sep, str1, str2...)`：安全拼接字符串（防NULL）[^1] 2. **空值处理** - `coalesce(value1, value2, ...)`：返回第一个非NULL值 ```sql SELECT coalesce(user_name, 'unknown') AS safe_name FROM users; ``` - `nvl(value, default)`：NULL替换为默认值 --- ### 二、聚合与统计函数 1. **基础聚合** - `count(distinct col)`：去重计数（**慎用大表**，易倾斜） - `approx_count_distinct(col, rsd)`：HyperLogLog近似去重（误差<2.5%）[^2] ```sql -- 亿级用户UV统计（性能提升10倍+） SELECT approx_count_distinct(user_id, 0.01) AS uv FROM behavior_log; ``` 2. **高级聚合** - `collect_set(col)`：去重聚合为数组 ```sql -- 用户最近浏览的3个商品 SELECT user_id, collect_set(product_id)[0:3] AS recent_views FROM click_log GROUP BY user_id; ``` --- ### 三、时间处理函数 | 函数 | 场景示例 | 输出示例 | |--------------------------|-------------------------------|------------------| | `from_unixtime(ts, fmt)` | 时间戳转日期 | `2023-08-15` | | `unix_timestamp(string)` | 字符串转时间戳 | `1692086400` | | `date_add(start, days)` | 计算未来日期 | `2023-08-20` | | `datediff(end, start)` | 计算日期差值 | `30` (天) | --- ### 四、开窗函数（核心生产力工具） 1. **排序类** - `row_number()`：唯一序号（**电商TOP-N销量**）[^3] ```sql SELECT product_id, sales, row_number() OVER (ORDER BY sales DESC) AS rank FROM product_sales; ``` - `rank()`：并列排名（相同值同排名） 2. **聚合类** - `sum(col) OVER(PARTITION BY key)`：分组累加（**累计销售额**） ```sql SELECT user_id, order_date, amount, sum(amount) OVER(PARTITION BY user_id ORDER BY order_date) AS cum_sum FROM orders; ``` - `lag(col, n, default)`：取前N行数据（**环比计算**） --- ### 五、优化与避坑指南 1. **数据倾斜解决方案** - **场景**：`count(distinct user_id)`在10亿级数据卡住 - **方案**：改用`group by`+两层聚合 ```sql -- 第一步：先分组预聚合 CREATE TABLE tmp AS SELECT user_id, count(1) AS cnt FROM log GROUP BY user_id; -- 第二步：汇总结果 SELECT sum(cnt) AS total_users FROM tmp; ``` 2. **参数调优模板** ```sql SET hive.auto.convert.join=true; -- 开启MapJoin SET hive.groupby.skewindata=true; -- 倾斜分组优化 SET hive.exec.parallel=true; -- 任务并行化 ``` --- ### 六、函数选择决策树 ```mermaid graph TD A[需求类型] --> B{是否去重统计} B -->|是| C[大表？] C -->|是| D[approx_count_distinct] C -->|否| E[count(distinct)] A --> F{是否排序} F -->|是| G[row_number/rank] A --> H{是否累计计算} H -->|是| I[sum() OVER] ```