Nina0703-优快云博客

原创【Spark】 Spark为啥更高效？

一 Spark为啥比Hadoop MapReduce有更快的执行速度？ 1）RDD的编程模型更简单。 MapReduce编程模型是面向过程编程，RDD编程模型是面向对象（RDD）编程。 2）DAG切分的多阶段计算过程更快速。 MapReduce简单粗暴的根据shuffle将大数据计算分成Map和Reduce两个阶段。 Spark会更细腻一点，将前一个Reduce和后一个Map连接起来，当做一个阶段持续计算，形成一个更加优雅、高效的计算模型。这种多个计算阶段依赖的方案可以有效减少对HDFS的访问，减少作业的调

2021-08-30 11:08:14 505

原创【Spark】配置项调优

配置项可以分为三大类：硬件资源类、Shuffle类和Spark SQL类。一硬件资源类 1.1 cpu相关配置主要是配置并行度和并行计算任务。 1.1.1 并行度并行度，是从数据触达，明确数据划分的粒度，确定分布式数据集被划分为多少份。 1.1.2 并行计算任务并行计算任务，是从计算任务、CPU出发，指的是任一时刻整个集群能够同时计算的任务数量。 1.2 内存相关配置 1.2.1 堆内存储与堆外存储的平衡堆外内存的传递门：**** 总之，与JVM堆内内存相比，堆外内存的优势是：可以更精确的

2021-08-23 21:34:33 557

原创【Spark】Shuffle机制

一 Shuffle机制运行在不同stage、不同节点上的task如何进行数据传递？这个数据传递过程通常被称为Shuffle机制。该机制除了数据传递，还负进行各种类型的计算（如聚合、排序等），并且数据量一般会很大。二 Shuffle面临的一些问题 2.1 map()端数据分区问题如何确认数据分区个数？用户可以自定义分区个数。用户没定义的话，默认分个数是parent RDD的分区个数的最大值。如何对map()端的输出数据进行分区？ map task输出的每个<K,V>记录，都根据Key

2021-08-22 20:55:32 299

原创【大数据之路】第5章实时技术

5.1 简介为什么要有实时数据？以便实时监控当前业务状态并作出运营决策，引导业务往好的方向发展什么是流式数据处理？流式数据处理技术是指业务系统每产生一条数据，就会立刻被采集并实时发送到流式任务中进行处理，不需要定时调度任务来处理数据流式数据处理的特征 ...

2021-04-12 08:21:07 239

原创【英语学习】01-02 interview

面试中谈起以往经验可以多举例子，常用语： a good example that comes to my mind is …… ex：A good example that comes to my mind is when I was involved with a campaign to promote and sell a new range of clothes. I loved doing it and it was…… 谈团队合作 Could you give me an example of g

2021-03-28 16:15:48 293

原创【Scala】学习笔记六——读取外部数据

1.读取文件及网络数据 object ReadFileApp extends App { val file=scala.io.Source.fromFile("E:\\data\\hello.txt") //读取指定文件 //一行一行读取文件 def readLine: Unit ={ for(line&lt;-file.getLines()){ print...

2018-11-08 16:20:20 611

原创【Scala】学习笔记五——隐式转换

隐式转换：为一个已经存在的东西，添加一个功能需求（比如：为一个已经存在的类添加一个新的方法）满足上述需求，Java使用的是动态管理，Scala使用的是隐式转换一个例子： //定义了两个类Man和Superman，现在的需求是Man的对象也可以拥有fly()方法 object ImplicitApp extends App { val man=new Man("Nina") //定义隐...

2018-11-08 16:02:30 150

原创【Scala】学习笔记四——模式匹配 match

一、最基本的模式匹配例子： //格式为： //变量 match{ // case value1=>代码 // case value2=>代码 // …… // case _=>代码 //} def judgeGrade(grade:String): Unit ={ grade match{ case "A"=>println("E...

2018-11-05 19:11:59 428

原创【Scala】学习笔记三——面向对象

一、面向对象的概（Object Oriented——OO） 1.封装：将属性、方法封装到类中 2.继承：父类和子类之间的关系 3.==多态：==父类引用指向子类对象多态是面向对象编程的精髓所在，是开发框架的基础二、类的定义和使用 //main方法 def main(args: Array[String]): Unit = { val person=new Person() ...

2018-11-04 11:04:55 213

原创【Spark】学习笔记二——RDDs

一、一些对象 1.Driver Program：包含程序的main()方法，RDDs的定义和操作，它管理很多节点，我们称之为executors 2.SparkContext：Driver Program通过SparkContext对象访问Spark，SparkContext对象代表和一个集群的连接 3.在shell中SparkContext对象自动创建好了，就是sc，可以在shell中直接使用sc...

2018-10-26 15:57:39 534

原创【Spark】学习笔记

Spark是一个快速且通用的集群计算框架一、Spark的特点 1.Spark是快速的： Spark扩充了流行的MapReduce计算框架 Spark是基于内存的计算 2.Spark是通用的： Spark的涉及容纳了其他分布式系统拥有的功能：批处理、迭代式计算、交互查询和流处理等其优势是：降低了维护的成本 3.Spark是高度开放的： Spark提供了Python、Java、Scala、SQL的...

2018-10-26 14:45:47 505

原创【scala】学习笔记二——集合

一、List 1.List[T]：T是泛型，指的是list中的类型，scala会自行推导，因此可以不指明T 2.List的声明与定义： scala&amp;amp;amp;amp;gt; val a=List(1,2,3,4) a: List[Int] = List(1, 2, 3, 4) 3.连接操作符 1）:: scala&amp;amp;amp;amp;gt; val b=0::a //把0插在了a前面形成了b b: List[Int] = Li...

2018-10-23 20:24:45 223

原创【scala】学习笔记一

[scala]学习笔记一一、scala的特点： 1.Scalable编程语言（可伸缩的，既可以是脚本语言，又可以为大型服务器所使用） 2.纯正的面向对象的语言 3.函数式语言 4.无缝的Java互操作二、scala函数式的编程思想： 1.纯函数，不具有副作用 2.引用透明 3.函数是一等公民：一切都是计算，函数式编程中只有表达式和变量！函数也是表达式三、变量 1.val：定义常量（immu...

2018-10-22 22:16:22 197