<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[hefei09的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/hefei09</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; hefei09]]></copyright><item><title><![CDATA[<一>Strom实时计算学习笔记]]></title><link>https://blog.youkuaiyun.com/hefei09/article/details/49150317</link><guid>https://blog.youkuaiyun.com/hefei09/article/details/49150317</guid><author>hefei09</author><pubDate>Thu, 15 Oct 2015 11:26:48 +0800</pubDate><description><![CDATA[Storm计算基本机构


本篇包含以下几点：
strom topology 的基本组成补分；
搭建storm开发环境;
实现单词技术程序;
并发和容错机制;


第一：storm topology 的基本组成部分：stream  ,spout ,和bout;
storm分布式计算机构称为topology;由stream(数据流)
 ,spout(数据生产者) ,和bout]]></description><category></category></item><item><title><![CDATA[Hadoop学习笔记]]></title><link>https://blog.youkuaiyun.com/hefei09/article/details/49150071</link><guid>https://blog.youkuaiyun.com/hefei09/article/details/49150071</guid><author>hefei09</author><pubDate>Thu, 15 Oct 2015 11:13:53 +0800</pubDate><description><![CDATA[Hadoop介绍 

Hadoop是Google云计算框架的开源实现，是一个分布式存储和分布式计算的框架，主要包括HDFS和MapReduce的实现。 

  HDFS 

HDFS由一个NameNode和多个DataNode组成，其中NameNode相当于系统的元数据存放地，它是Hadoop系统的神经中枢，而多个DataNode存储数据。 

MapReduce:分布式计算 
]]></description><category></category></item><item><title><![CDATA[如何用Spring读取JAR中的文件]]></title><link>https://blog.youkuaiyun.com/hefei09/article/details/49149995</link><guid>https://blog.youkuaiyun.com/hefei09/article/details/49149995</guid><author>hefei09</author><pubDate>Thu, 15 Oct 2015 11:10:25 +0800</pubDate><description><![CDATA[使用如下方式读取JAR中的文件出错 

   类路径下放了一个jarfile.jar，如下所示： 
 
   如上所示，com/yyy/1.txt放在jarfile.jar中。 
   我原来使用如下的方式读取这个JAR中的文件： 


Java代码  



@Test  
public void usingSpringMethod() throws Throwable]]></description><category></category></item><item><title><![CDATA[Java 载入Jar内资源问题的探究]]></title><link>https://blog.youkuaiyun.com/hefei09/article/details/49149801</link><guid>https://blog.youkuaiyun.com/hefei09/article/details/49149801</guid><author>hefei09</author><pubDate>Thu, 15 Oct 2015 11:00:35 +0800</pubDate><description><![CDATA[问题初现：

       在服务集成平台中需要新增一块写入数据库的逻辑，因此考虑最简便就是弄个Spring的BeanFactory来搞定这一切，谁知道，问题就这么出现了。很简单，通过Spring的ClassPathXmlApplicationContext来构建BeanFactory，下面的语句大家应该很熟悉：

ctx = new ClassPathXmlApplicationCont]]></description><category></category></item><item><title><![CDATA[通过Spring工具类获取classpath下的文件资源--笔记]]></title><link>https://blog.youkuaiyun.com/hefei09/article/details/49149669</link><guid>https://blog.youkuaiyun.com/hefei09/article/details/49149669</guid><author>hefei09</author><pubDate>Thu, 15 Oct 2015 10:52:25 +0800</pubDate><description><![CDATA[通过Spring工具类获取classpath下的文件资源

1、资源文件不在jar中

File cfgFile = ResourceUtils.getFile("classpath:test.txt");

或者

org.springframework.core.io.Resource fileRource = new ClassPathResource("test.txt")]]></description><category></category></item><item><title><![CDATA[大索引技术的潮流]]></title><link>https://blog.youkuaiyun.com/hefei09/article/details/49127095</link><guid>https://blog.youkuaiyun.com/hefei09/article/details/49127095</guid><author>hefei09</author><pubDate>Wed, 14 Oct 2015 16:42:08 +0800</pubDate><description><![CDATA[随着Hadoop技术的普及，其生态圈发展的越来越壮大，Hive、Hbase、Spark、Storm等的一系列新名词不断的涌现在我们的眼里。似乎NoSQL一夜间，攻陷了全部的大数据阵地。

      传统的关系型数据库的一些思路，真的没有用武之地了么？真的就一去不复返了么？当大数据技术大旗在每个山头摇摆的时候，我们躲在角落里还能做些什么？“索引”，没错，数据库时代的必杀，大数据的利器。

]]></description><category></category></item><item><title><![CDATA[大数据的生态圈 Hadoop,hive,spark]]></title><link>https://blog.youkuaiyun.com/hefei09/article/details/49122605</link><guid>https://blog.youkuaiyun.com/hefei09/article/details/49122605</guid><author>hefei09</author><pubDate>Wed, 14 Oct 2015 11:23:51 +0800</pubDate><description><![CDATA[大数据本身是个很宽泛的概念，Hadoop生态圈（或者泛生态圈）基本上都是为了处理超过单机尺度的数据处理而诞生的。各有各的用处，互相之间又有重合。但是每个工具有自己的特性，虽然奇怪的组合也能工作，但是未必是最佳选择。
HDFS：
传统的文件系统是单机的，不能横跨不同的机器。HDFS（Hadoop
 Distributed FileSystem）的设计本质上是为了大量的数据能横跨成百上千台机器，]]></description><category></category></item></channel></rss>