- 博客(128)
- 资源 (12)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 Flink原理与实现：数据交换策略
数据交换策略（Data Exchange Strategy）定义了数据如何被分配到物理数据流图的 Task 中的。
2022-11-07 22:25:02
1647
1
原创 Streaming Systems: Concept
流式数据处理在当今大数据领域是非常重要，这是有足够充分的理由的，如下：企业需要更及时地洞察他们的数据，而流式数据是实现更低延迟的一个好方法；现在商业中有海量无界的数据，使用为永不结束的数据设计的系统处理它们就更为容易；当数据一到达就进行处理，工作负载会随着时间推移更加均匀地分布，从而产生更一致和可预测的资源消耗。术语：Streaming 是什么？在讨论可能遇到的不同类型的数据时，精确的术语也是很有用的。通过两个重要且正交的维度对数据可以唯一确定——Cardinality（基数）和 Consti
2021-06-27 22:52:40
436
1
原创 5 分钟学会MySQL索引【漫画版】
同学分享了一个漫画版 MySQL 索引，我觉得挺有意思的。好东西当然要和大家分享啦，下面咱们就一起开始奇趣之旅吧！扫码关注公众号：冰山烈焰的黑板报
2021-01-23 13:57:54
580
翻译 数据湖
数据湖（Data Lake） 是这十年出现的一个术语，是大数据领域中数据分析流程的一个重要组成部分。它的思想是：为组织中的任何人可能需要分析的所有**原始数据（Raw Data）**提供一个存储。通常，人们使用 Hadoop 分析湖中的数据，但这个概念不仅限于 Hadoop。当我听到关于将组织要分析的所有数据集中在一起时，我立即想到的是数据仓库（Data Warehouse）和数据集市（Data Mart）（通常的区别是，数据集市用于组织中的单个部门，而数据仓库集成了所有部门。关于数据仓库应该是所有数据集
2020-10-31 21:44:07
349
翻译 Flink 调优：大规模状态数据集中的 Checkpoint 实战
Checkpoint 的配置对于 Flink 应用程序的性能和稳定性有这至关重要的影响，本文介绍大规模状态数据集中的 Checkpoint 实战。
2020-09-06 23:27:39
1788
1
原创 数据算法：Bloom Filter
Bloom Filter 是一种空间高效的概率型数据结构，不需要存储元素。同时，Bloom Filter 的缺陷也比较明显，它存在假阳性错误的误判，而且一般情况下无法删除元素。
2020-08-29 23:59:14
723
原创 极简数据科学（上）
数据科学使你能够将业务问题转换为研究项目，然后再将其转换为实际的解决方案。本文回答了数据科学是什么，数据科学为什么这么重要，数据科学具有的 5 个阶段的生命周期，数据科学包含的 5 个组成部分，以及数据科学具有 6 个环节的流程。
2020-07-26 00:39:22
339
翻译 动态表的持续查询
Flink 的关系 API 非常适合立即实施流分析应用程序，并且可以在多种生产环境中使用。在本文中，我们讨论了 Table API 和 SQL 的未来。
2020-07-06 23:35:15
529
原创 一文读懂一致性哈希算法
使用一致性哈希算法时，当发生增删服务器的时候，并不能彻底杜绝数据迁移，但是却可以有效地避免全量数据迁移。同时，一致性哈希算法使用虚拟节点可以解决热点问题。
2020-06-21 17:50:17
330
原创 Flink 调优：Checkpoint 问题排查
在使用 Flink 时， 我们基本都会用到 Checkpoint，也难免不会遇到 Checkpoint 慢或者失败等问题，本文介绍了 Checkpoint 问题排查的方法。
2020-05-24 14:48:01
3342
原创 Flink 调优：Checkpoint 配置
Checkpoint 是 Flink 的失败恢复机制，它的配置对于 Flink 应用程序的性能和稳定性有这至关重要的影响。
2020-05-04 11:02:01
7605
2
原创 Flink 调优：Slot and Parallelism
Flink 的并发度的设置直接影响应用程序的性能，本文介绍了应该如何设置并发度的方法。
2020-04-07 00:14:42
1922
原创 数据算法: Bitmap
本文介绍了 Bitmap 的原理，和在大数据处理中的应用案例，如，判重、定基、排序、压缩。以及在位图图像和数码相机中的应用。最后，用位运算的方式实现了 Bitmap。
2020-03-14 21:49:17
613
原创 Flink 原理与实现：Savepoint
在 Flink 原理与实现：Checkpoint 这篇文章中，我介绍了 Flink Checkpoint。Checkpoint 是 Flink 内置的失败恢复机制。SavepointSavepoint 是 Flink 的一个非常重要的特征，被 Flink PMC 誉为“瑞士军刀（Swiss Army knife）”。Savepoint 的实现算法和 Checkpoint 一样。但是，Savep...
2020-03-01 01:22:15
1004
原创 Flink 原理与实现：Checkpoint
本文尝试用图形化语言将抽象的 Checkpoint 具象化，阐述 Naive Consistent Checkpoint、Flink Checkpoint、Failure Recovery Mechanism、以及Performance of Checkpointing。
2019-12-07 21:27:50
1674
原创 Flink 原理与实现：State
本文尝试解释 State stream processing，从 Flink 的角度，阐述 State management 和 State repartition。
2019-11-29 22:27:35
1075
转载 Intellij IDEA debug 模式
Debug模式是开发人员必会的一项调试程序的技能，用来追踪代码的运行流程，线上问题追踪，程序运行异常定位调试，以及在运行过程中参数的变化。IDEA的debug对于新手如何快速上手呢？一、基本介绍本篇文章是基于 IntelliJ IDEA 2018.1.6 版本，最新的版本 2018.2 已经出来了，支持 Java11，Debug 模式的图标设计虽有微调改动，但是功能大体相通。上图爬虫的图标...
2019-09-22 16:36:44
855
原创 Huffman编码
霍夫曼压缩的思想是通过用较少的比特表示出现频率高的字符，用较多的比特表示出现频率低的字符，这样字符串所使用的总比特数就会降低。
2019-08-11 02:00:25
5336
翻译 流计算中的 Exactly Once 语义
在大数据领域，分布式事件流处理已经成为了热门话题。目前流行的流处理引擎包括 Apache Storm、Apache Flink、Heron、Apache Kafka（Kafka Streams）和 Apache Spark（Spark Streaming）。流处理引擎被广泛讨论的一个特性——Extractly-Once，很多引擎也已经宣称支持。然而，关于 Extractly-Once 是什么，当...
2019-07-13 16:28:12
2759
原创 Spring Boot 实践
Spring Boot 实战本文整理了 Spring Boot 各种使用技巧，以及继承第三方库的使用案例，可访问 spring boot 获取源码。后续文章会拆解每个使用案例。spring-boot-actuator：Spring Boot 集成 Actuator 进行健康检查。spring-boot-annotation-unified-exception：Spring Boot 统一异...
2019-06-22 22:31:16
1169
转载 Flink 原理与实现：如何处理反压问题
流处理系统需要能优雅地处理反压（backpressure）问题。反压通常产生于这样的场景：短时负载高峰导致系统接收数据的速率远高于它处理数据的速率。许多日常问题都会导致反压，例如，垃圾回收停顿可能会导致流入的数据快速堆积，或者遇到大促或秒杀活动导致流量陡增。反压如果不能得到正确的处理，可能会导致资源耗尽甚至系统崩溃。目前主流的流处理系统 Storm/JStorm/Spark Streaming/...
2019-06-15 14:51:34
12818
翻译 零拷贝
用过 Kafka 的同学都知道它吞吐量很大，速度也快，但是 Kafka 是基于磁盘的，为什么还有这个可观的性能呢？本文就介绍一下其中一个技术——零拷贝。到目前为止，几乎每个人都听过 Linux 中所谓的零拷贝功能，但是我经常遇到对它不完全理解的人。基于此，我决定写一些文章深入探讨这个有用的功能。在这篇文章中，我们将从用户的角度讨论零拷贝，因此内核层次的细节将会省略。什么是零拷贝？为了更好地理...
2019-06-08 23:15:03
3348
翻译 Apache Flink 事件时间处理和 Watermarks
如果你正在搭建一个实时流程序，事件时间处理是你不久将不得不使用的一个功能之一。因为在现实世界中绝大多数用例的消息都是乱序的，你的系统应该有一个方法应对和处理可能延迟的消息。在这篇博客中，我们将会看到为什么我们需要事件时间处理和我们怎么在 Flink 中使用它。EvenTime 是一个事件在现实世界中发生时的时间。ProcessingTime 是该事件被 Flink 处理时的时间。为了理解事件时间...
2019-04-07 12:55:55
786
原创 线上故障排查（二）——高MEM占用
1. 高内存占用线上故障排查（一）——高CPU占用一文中介绍了高 CPU 占用程序的排查，今天我们介绍高MEM占用的程序。高内存占用的程序是指内存消耗比较大的程序。我们在开发 Java 应用程序的时候，一定见过 OOM（即 java.lang.OutOfMemoryError）。在 JVM 内存模型中，Java 虚拟机栈、本地方法栈、Java 堆、方法区（JDK8 之后是元空间，取消了永久代）都...
2019-03-10 20:58:06
3453
原创 线上故障排查（一）——高CPU占用
1. 计算密集型任务一般线上的任务会分为：计算密集型任务和IO密集型任务，其中计算密集型任务也叫做CPU密集型任务，是指CPU计算占主要的任务，CPU一直处于近乎满负荷状态。在公司中，一般服务器CPU占用率超过一定的阈值，就会有报警，这时候我们就不得不去排查自己的线上任务在哪个地方导致了CPU占用过高。今天我们就介绍一下线上应用高CPU占用的排查。2. 线上排查我这里主要介绍 Java 应...
2019-02-19 23:09:18
1007
原创 Java 并发概述
并发（Concurrency），是指在某个时间段内，多任务交替处理的能力。并行（Parallelism），是指同一时刻同时处理多任务的能力。在并发环境下，由于程序的封闭性被打破，出现了以下特点：并发程序之间有相互制约的关系。直接制约体现为一个程序需要另一个程序的计算结果；间接体现为多个程序竞争共享资源，如处理器、缓冲区等。并发程序的执行过程是断断续续的。程序需要记忆现场指令及执行点。当并...
2019-01-01 11:46:13
357
原创 Java 数据结构与集合
1. 集合图谱Java 集合图谱：1.1 List 集合List 集合是线性数据结构的主要实现，List 集合的遍历结果是稳定的。该体系最常用的是 ArrayList 和 LinkedList。ArrayList 是容量可以改变的非线程安全集合。内部实现使用数组进行存储，集合扩容时会创建更大的数组空间，把原有数据复制到新数组中。ArrayList 支持对元素的快速随机访问，但是插入与删除时...
2018-11-15 23:01:22
2590
原创 RMQ(Range Minimum Query)
RMQRMQ（Range Minimum Query） 是指区间最值查询，即对于长度为 $ n $ 的数列 $ A $，回答若干询问 $ RMQ(A, i, j), (i,j <= n) $，返回数列 $ A $中下标在 $ i, j $ 之间的最小/大值。如果用 $ f(n) $ 表示算法预处理时间复杂度，$ g(n) $ 表示算法的查询时间复杂度，那么 RMQ 的算法的复杂度是 $ \left
2017-09-17 15:12:28
1423
原创 MyBatis 笔记（五）——动态 SQL
在开发中，经常会遇到要执行的 SQL 语句其实并不是固定，而是随条件的变化而变化的。对于这种情况 MyBatis 也有解决方案。随条件变化的 SQL先看一个固定的 SQL 语句，查询指定 name 和 age 的人：<resultMap id="PersonMap" type="Person"> <id column="id" jdbcType="INTEGER" property=
2017-08-25 23:35:47
703
原创 MyBatis 笔记（四）——实体类属性和表字段的映射
之前的章节将的实体类属性名和表字段名都是相同的，MyBatis 会自动去映射。那么问题来了，如果实体类属性名和表字段名不相同时，MyBatis 能智能地去映射到吗？答案是：不能。这里用两种解决方案： 1. 在使用 SQL 语句的时候，为每个字段定义别名； 2. 使用 MyBatis 映射文件的 resultMap 标签。使用别名使用别名这个很容易理解，因为日常在写 SQL 语句时，通常会用到别名
2017-08-23 22:49:31
48509
2
原创 MyBatis 笔记（三）——优化配置
在之前的讲解中，不难发现 MyBatis 的配置有些笨重，这一节就讲 MyBatis 的配置优化。毫无疑问，主要是两方面： 1. 优化 MyBatis 基础配置文件。 2. 优化 MyBatis 映射文件。优化 MyBatis 基础配置文件在 MyBatis 基础配置文件中，之前的数据库配置都是在这个文件中完成的。实际上，数据库配置是可以抽出去的，如 db.properties：DRIVER=c
2017-08-21 23:50:01
918
原创 MyBatis 笔记（二）——XML vs 注解
MyBatis 支持注解和 XML 两种配置。这一节延续 MyBatis 笔记（一）继续讲。1. 基于 XML 的配置基于 XML 的配置其实和 MyBatis 笔记（一）几乎是一样的。先看最基础的配置文件：<?xml version="1.0" encoding="UTF-8" ?><!DOCTYPE configuration PUBLIC "-//mybatis.org//D
2017-08-19 23:06:23
1570
原创 MyBatis 笔记（一）——快速入门
简介MyBatis 是支持定制化 SQL、存储过程以及高级映射的优秀的持久层框架。MyBatis 避免了几乎所有的 JDBC 代码和手动设置参数以及获取结果集。入门添加依赖在使用 Mybatis 的时候，需要添加数据库驱动包和 Mybatis 包，以 MySQL 为例，Maven 依赖：<dependencies> <dependency> <groupId>org.my
2017-08-13 19:37:11
750
原创 Python定时任务调度——APScheduler
简介APScheduler 框架可以让用户定时执行或者周期性执行 Python 任务。既可以添加任务也可以删除任务，还可以将任务存储在数据库中。当 APScheduler 重启之后，还会继续执行之前设置的任务。 APScheduler 是跨平台的，注意 APScheduler 既不是守护进程也不是服务，更不是命令行程序。APScheduler 是进程内的调度器，也就是说它的实现原理是在进程内产生内
2017-07-22 12:08:46
7050
原创 shell 之 test 命令
1. test 命令test 命令提供了在 if-then 语句中测试不同条件的途径。如果 test 命令中列出的条件成立，test 命令就会退出并返回退出状态码0；如果条件不成立，test 命令就会退出并返回退出状态码1，这样 if-then 语句就会失效。test 命令的格式非常简单：test conditioncondition 是 test 命令要测试的一系列参数和值。当用在 if-then
2017-06-30 22:12:09
1109
原创 Maven分离配置、依赖
在用Maven打包项目时，要像Hadoop、Spark、Hive等项目打包之后的文件包含bin、lib、conf之类的文件夹，同时可以动态的修改项目的配置参数，需要如下两步：在 pom.xml 文件中引入 maven-assembly 插件；在 assembly.xml 文件中制定各个文件目录。pom.xml引入maven-assembly插件 org.apac
2017-02-25 15:34:05
2440
快学Scala（中文完整版）
2015-09-30
Spark Programming Guide
2015-08-15
用Gradle构建的代码在Intellij上执行出错
2021-02-24
Ubuntu21.0.4LTS中下面脚本为什么只执行if，而不执行elii
2014-11-22
TA创建的收藏夹 TA关注的收藏夹
TA关注的人