michael_zhu_2004的专栏

1. 天上掉下个MapRMapR成立于2009年，但是引起媒体广泛关注是缘由GIGAOM网站2011年3月的一篇报道 《MapR，Cloudera的新对手》（http://gigaom.com/cloud/meet-mapr-a-competitor-to-hadoop-leader-cloudera/），报道这么描述MapR：“构建一个HDFS的私有替代品，这个替代品比当前的开源版本快三

《数据赢家》是QQ群279441740推出的用于推广和交流R语言、Hadoop技术的开放式电子刊物。 R语言是什么？根据百度百科的描述，R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具（http://baike.baidu.com/view/942569.htm）。R是开源免费的，同时也是

//Hadoop基础Doug Cutting所创立的项目的名称都受到其家人的启发，以下项目不是由他创立的项目是A．    HadoopB．    NutchC．    LuceneD．    Solr答案：D配置Hadoop时，JAVA_HOME包含在哪一个配置文件中A．    hadoop-default.xmlB．    hadoop-env.shC

hbase.hregion.max.filesize默认值：256M说明：在当前ReigonServer上单个Reigon的最大存储空间，单个Region超过该值时，这个Region会被自动split成更小的region。调优：小region对split和compaction友好，因为拆分region或compact小region里的storefile速度很快，内存占用低。缺点是s

1.我们常说HBase是“数据即日志”的数据库，它是怎样修改和删除数据的？和Oracle这类传统的RDBMS有什么区别？由于HBase的数据文件在HDFS系统中，因此本质上很难修改和删除数据。在HBase中，修改和删除数据都是增加1个新版本的数据（时间戳为最新），旧版本的数据并没有发生变化。Oracle没有数据的版本概念，在修改和删除数据时不会增加新的数据记录，直接对老数据进行修改或删除。

HBase的RegionServer宕机超过一定时间后，HMaster会将其所管理的region重新分布到其他活动的RegionServer上，由于数据和日志都持久在HDFS中，该操作不会导致数据丢失。所以数据的一致性和安全性是有保障的。但是重新分配的region需要根据日志恢复原RegionServer中的内存MemoryStore表，这会导致宕机的region在这段时间内无法对外提供服

1.少用count(distinct);  select count(distinct cookie_id) from lxw_t1;  性能差的原因：只会用一个reduce去处理;  优化的写法：select count(1) from (select cookie_id from lxw_t1 group by cookie_id) x;  配合set mapred.red

一、    控制hive任务中的map数:1.    通常情况下，作业会通过input的目录产生一个或者多个map任务。主要的决定因素有： input的文件总个数，input的文件大小，集群设置的文件块大小(目前为128M, 可在hive中通过set dfs.block.size;命令查看到，该参数不能自定义修改)；2.    举例：a)    假设input目录下有1个文

下面的一篇文章是一些RDBMS系统的大牛人从多个方面对MapReduce的批评，不妨一看。前言databasecolumn 的数据库大牛们（其中包括PostgreSQL的最初伯克利领导：Michael Stonebraker）最近写了一篇评论当前如日中天的MapReduce 技术的文章，引发剧烈的讨论。我抽空在这儿翻译一些，一起学习。译者注：这种 Tanenbaum vs. L

alter Alter column family schema; pass table name and a dictionary specifying new column family schema. Dictionaries are described below in the GENERAL NOTES section. Dicti

随着MapReduce的流行，其开源实现Hadoop也变得越来越受推崇。在Hadoop系统中，有一个组件非常重要，那就是调度器，它的作用是将系统中空闲的资源按一定策略分配给作业。在Hadoop中，调度器是一个可插拔的模块，用户可以根据自己的实际应用要求设计调度器。Hadoop中常见的调度器有三种，分别为：（1）默认的调度器FIFOHadoop中默认的调度器，它先按照作业的优先级高低，再按照

Hadoop系统提供了MapReduce计算框架的开源实现，像Yahoo!、Facebook、淘宝、中移动、百度、腾讯等公司都在借助Hadoop进行海量数据处理。Hadoop系统性能不仅取决于任务调度器的分配策略，还受到分配后实际任务执行效率的影响，任务执行常常涉及读取、排序、归并、压缩、写入等具体阶段。HCE计算框架是一个开源项目，旨在通过优化任务执行的各个阶段，提升整个Hadoop系统的效

安全模式异常：在hadoop的实践过程中，系统启动的时候去修改和删除文件有时候会报以下错误：org.apache.hadoop.dfs.SafeModeException: Cannotdelete/user/hadoop/input. Name node is in safe mode.从字面上来理解：“Name nodeis in safe mode.”hadoop的namenode处

我们Hadoop+R爱好者建立了一个Hadoop和R语言的学习交流的高级LV1 QQ群(279441740)，欢迎加入学习、交流、讨论、下载。 1.    安装和配置运行环境虚机：  OracleVM VirtualBox 4.xLinux:    CentOS5.5(2.6.18-194.el5)Java:      JDK1.6.0_18（安装在/usr/java/jdk1

《数据赢家》是QQ群279441740（赢在数据群）推出的用于推广和交流R语言、Hadoop技术的开放式电子刊物。 R语言是什么？根据百度百科的描述，R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具（http://baike.baidu.com/view/942569.htm）。R是开源免费的，同时也