<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chenlei0520的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/chenlei0520</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; chenlei0520]]></copyright><item><title><![CDATA[湖仓一体介绍及spark操作hudi]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/128937688</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/128937688</guid><author>chenlei0520</author><pubDate>Wed, 08 Feb 2023 16:25:19 +0800</pubDate><description><![CDATA[湖仓一体介绍及spark操作hudi]]></description><category></category></item><item><title><![CDATA[Azkaban 2.5使用]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/128937520</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/128937520</guid><author>chenlei0520</author><pubDate>Wed, 08 Feb 2023 16:11:16 +0800</pubDate><description><![CDATA[Azkaban 2.5使用]]></description><category></category></item><item><title><![CDATA[Flink-Yarn安装及使用]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/128937274</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/128937274</guid><author>chenlei0520</author><pubDate>Wed, 08 Feb 2023 16:05:13 +0800</pubDate><description><![CDATA[在YARN平台上Flink是如何集成部署的]]></description><category></category></item><item><title><![CDATA[ClickHouse实践]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/128937225</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/128937225</guid><author>chenlei0520</author><pubDate>Wed, 08 Feb 2023 15:55:34 +0800</pubDate><description><![CDATA[ClickHouse使用]]></description><category></category></item><item><title><![CDATA[Hudi搭建与使用]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/128936383</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/128936383</guid><author>chenlei0520</author><pubDate>Wed, 08 Feb 2023 15:53:29 +0800</pubDate><description><![CDATA[Hudi Flink 还提供了获取自给定提交时间戳以来更改的记录流的功能。这可以使用 Hudi 的流式查询并提供需要流式传输更改的开始时间来实现。如果我们想要在给定的提交之后进行所有更改（通常情况下），我们不需要指定 endTime。Hudi 还提供了获取自给定提交时间戳以来更改的记录流的功能。这可以使用 Hudi 的增量查询并提供需要流式传输更改的开始时间来实现。具体时间可以通过将 endTime 指向特定提交时间并将 beginTime 指向“000”（表示最早可能的提交时间）来表示。]]></description><category></category></item><item><title><![CDATA[Hbase常用命令]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/128935584</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/128935584</guid><author>chenlei0520</author><pubDate>Wed, 08 Feb 2023 14:49:39 +0800</pubDate><description><![CDATA[Hbase常用命令]]></description><category></category></item><item><title><![CDATA[kafka常用命令]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/128934717</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/128934717</guid><author>chenlei0520</author><pubDate>Wed, 08 Feb 2023 14:08:06 +0800</pubDate><description><![CDATA[kafka命令]]></description><category></category></item><item><title><![CDATA[Phoenix安装及使用]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/120849920</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/120849920</guid><author>chenlei0520</author><pubDate>Tue, 19 Oct 2021 17:02:21 +0800</pubDate><description><![CDATA[Phoenix安装及使用
1.背景介绍
1.1Phoenix定义
Phoenix是HBase的开源SQL皮肤。可以使用标准JDBC API代替HBase客户端API来创建表，插入数据和查询HBase数据。
1.2Phoenix特点


容易集成：如Spark，Hive，Pig，Flume和Map Reduce。


性能好：直接使用HBase API以及协处理器和自定义过滤器，可以为小型查询提供毫秒级的性能，或者为数千万行提供数秒的性能。


操作简单：DML命令以及通过DDL命令创建表和版本化增量更改。
]]></description><category></category></item><item><title><![CDATA[Flume]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/115209362</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/115209362</guid><author>chenlei0520</author><pubDate>Tue, 19 Oct 2021 16:39:28 +0800</pubDate><description><![CDATA[一、Flume概述
1.Flume定义
​		1）Flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。Flume     			  基于流式架构，灵活简单。
​		2）Flume最主要的作用就是，实时读取服务器本地磁盘的数据，将数据写入到HDFS。
2.Flume基础框架
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-d13rROuG-1616656292125)(C:\Users\86152\AppData\Roaming\Ty]]></description><category></category></item><item><title><![CDATA[Kafka]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/115311114</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/115311114</guid><author>chenlei0520</author><pubDate>Mon, 29 Mar 2021 20:58:58 +0800</pubDate><description><![CDATA[Kafka
第1章 Kafka概述
1.1定义
​	Kafka是一个分布式的基于发布/订阅模式的消息队列（Message Queue），主要应用于大数据实时处理领域。
1.2两种消息队列
(1)点对点模式（一对一，消费者主动拉取数据，消息收到后消息清除）
​	消息生产者生产消息发送到Queue中，然后消息消费者从Queue中取出并且消费消息。
​	消息被消费以后，queue中不再有存储，所以消息消费者不可能消费到已经被消费的消息。Queue支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。
]]></description><category></category></item><item><title><![CDATA[Zookeeper]]></title><link>https://blog.youkuaiyun.com/chenlei0520/article/details/115211113</link><guid>https://blog.youkuaiyun.com/chenlei0520/article/details/115211113</guid><author>chenlei0520</author><pubDate>Thu, 25 Mar 2021 16:15:41 +0800</pubDate><description><![CDATA[一、Zookeeper原理及使用
1.概述
Zookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。
Zookeeper从设计模式角度来理解，是一个基于观察者模式设计的分布式服务管理框架，它负责存储和管理大家都关心的数据，然后接受观察者的注册，一旦这些数据的状态发生了变化，Zookeeper就负责通知已经在Zookeeper上注册的那些观察者做出相应的反应
Zookeeper = 文件系统 + 通知机制
2.特点
1）Zookeeper：一个领导者（Leader），多个跟随者（F]]></description><category></category></item></channel></rss>