gyflyx的专栏

转载必须注明出处：http://www.codelast.com/本文可以让刚接触pig的人对一些基础概念有个初步的了解。本文大概是互联网上第一篇公开发表的且涵盖大量实际例子的Apache Pig中文教程（由Google搜索可知），文中的大量实例都是作者Darran Zhang（website: codelast.com）在工作、学习中总结的经验或解决的问题，并且添加了较为详尽的说明及

转载地址：http://blog.youkuaiyun.com/xcytec/article/details/20909151在MR程序中出现错误，数据读取的内容和原文件不一致，经过定位是因为使用BytesWritable类型导致的。原因见：http://dongxicheng.org/mapreduce-nextgen/hadoop-streaming-process-binary-data

mapreduce的核心主要是根据map的outputKey进行排序。排序分为内排序和外排序

转载地址：MapReduce 是现今一个非常流行的分布式计算框架，它被设计用于并行计算海量数据。第一个提出该技术框架的是Google 公司，而Google 的灵感则来自于函数式编程语言，如LISP，Scheme，ML 等。         MapReduce 框架的核心步骤主要分两部分：Map 和Reduce。当你向MapReduce 框架提交一个计算作业时，它会首先把计算作业

转载地址： http://lifei0327.iteye.com/blog/12495151, hbase自带的备份恢复工具 hbase org.apache.hadoop.hbase.mapreduce.Export 'table1' /home/fred/table1 hbase org.apache.hadoop.hbase.mapreduce.Import 'table

其实官方文档中http://abloz.com/hbase/book.html#ops.backup

目录：    1、工作原理概述    2、Fast Leader选举算法（领导者选举）    3、Leader与Follower同步数据（原子广播）1、工作原理概述link：http://www.codedump.info/?p=207zookeeper3.3.3源码分析(一)工作原理概述阅读时参考的版本是3.3.3.简单的说一下zookee

最近在阅读 zookeeper的源码，现在把zookeeper client端的代码

转载请标明出处：hadoop深入研究:(七)——压缩文件压缩主要有两个好处，一是减少了存储文件所占空间，另一个就是为数据传输提速。在hadoop大数据的背景下，这两点尤为重要，那么我现在就先来了解下hadoop中的文件压缩。hadoop里支持很多种压缩格式，我们看一个表格：DEFLATE是同时使用了LZ77算法与哈夫曼编码（Huffman Coding）的一个无

hdfs 上传文件

hbase 采用的是强一致性N： 1   (数据备份的数目)W： 1 （数据写入几个节点返回成功）R： 1  （读取数据时需要读取的备份节点个数）W + R > N但是hdfs采用的最终一致性N： 3   (数据备份的数目)W： 1 （数据写入几个节点返回成功），默认是1，但是可以配置: dfs.replication.minR： 1  （读取数据的时候

(1) Configure hadoop-eclipse-plugin-1.0.3.jar\\192.168.1.19\development\GroupM\Softwares\hadoop\hadoop-eclipse-plugin-1.0.3.jar(2) copy all the jar file in the hadoop into your classpath.(3) cop

向pig脚本中传入参数假设你的pig脚本输出的文件是通过外部参数指定的，则此参数不能写死，需要传入。在pig中，使用传入的参数如下所示：1STORE A INTO'$output_dir';则这个“output_dir”就是个传入的参数。在调用这个pig脚本的shell脚本中，我们可以这样传入参

Hive中小表与大表关联(join)的性能分析        经常看到一些Hive优化的建议中说当小表与大表做关联时，把小表写在前面，这样可以使Hive的关联速度更快，提到的原因都是说因为小表可以先放到内存中，然后大表的每条记录再去内存中检测，最终完成关联查询。这样的原因看似合理，但是仔细推敲，又站不住脚跟。多小的表算小表？如果所谓的小表在内存中放不下怎么办？我用2