Helpless_pain-CSDN博客

原创 flume

Flume: ** Flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、传输、聚合的系统。 ** Flume仅仅运行在linux环境下 ** flume.apache.org(Documentation--Flume User Guide)Flume体系结构(Architecture)：(见图)Source：用于采集数据，So

2017-04-21 11:38:59 548

原创 HDFS Federation

====HDFS Federation=====================================HDFS Federation 业务1 namenode1(hdfs01) 日志文件[log] --> 分析网站PV、UV... 业务2 namenode2(hdfs02) 数据库[table] --> 用户的购买记

2017-04-21 11:37:10 416

原创分析

数据来源： 2015082818、2015082819统计每日数据：日期 UV PV 登录人数游客人数平均访问时长二跳率独立IP数20150828 23 891 12 20 2s ... 20150829 231

2017-04-21 11:34:42 448

原创压缩-储存

====压缩======================================================= Hive常用压缩格式: bzip2, gzip, lzo, snappy ...注意：hive里要使用某种压缩格式,hadoop必须支持才行，因为hive依赖于Hadoop查看hadoop是否支持某种压缩的命令：$ bin/hadoop chec

2017-04-18 14:50:35 460

原创 sqoop

sqoop框架(工具)简介 ** RDBMS HDFS、HIVE、HBASE ** 原先数据库集群已有的数据 --> HDFS --> 分析 ** Hive分析结果 --> RDBMS(mysql) --> 报表展示 ** sqoop.apache.org ** apache版本 ** CDH版本

2017-04-18 14:49:07 1952

原创分区表 UDF

===分区表=================================================分区表实例：按照时间来生成和管理日志文件20160830 ** 2016083001.log ** 2016083002.log ** 2016083003.log ...20160831 ** 2016083101.log

2017-04-18 14:47:16 851

原创 Hive

Hive ** Facebook开源 ** 官网：hive.apache.org ** Hive是基于Hadoop的一个数据仓库工具 Hive与数据库：数据库: mysql、oracle、DB2、sqlserver数据仓库 !== 数据库换言之, Hive不是数据库为什么要选择hive ** MapReduce编程成本高

2017-04-13 09:25:30 739

原创 MapReduce常用数据类型

MapReduce： ** ----MapReduce常用数据类型----------------ByteWritable：单字节数值IntWritable：整型数LongWritable：长整型数FloatWritable：浮点数DoubleWritable：双字节数值BooleanWritable：标准布尔型数值 Text：使用

2017-04-13 09:22:34 6044 1

原创 Zookeeper

====zookeeper==============================================ZooKeeper -- 动物园管理员 hadoop -- 大象 Hive -- 蜜蜂 pig -- 猪 HBase -- 马 ... ** apache的顶级开源项目 ** zo

2017-04-13 09:19:59 983

原创集群搭建

====Hadoop集群======================================================注：注意修改自己的ID** 集群** 伪分布式集群规划： blue01 blue02 blue03 HDFS namenode

2017-04-11 09:55:39 325

原创 mapreduce

Google三篇论文 Hadoop GFS –> HDFS mapreduce –> Mapreduce bigtable –> HBaseHadoop ** common ** HDFS ** mapreduce ** YARN mapreduce ** 分布

2017-04-07 15:10:54 524

原创 HDFS

====HDFS================================================HDFS(Hadoop Distributed File System) ** block:（见图） ** HDFS把文件划分成block存储在不同节点上 --默认128M（以前是64M，今后可能会变为256M） --dfs

2017-04-06 15:31:28 593

原创伪分布式

企业大数据来源： 1、企业内部 ** 日志文件(apache、nginx、tomcat、resin、jboss..) ** 数据库(oracle、mysql、DB2) ** 用户行为数据 2、企业外部 ** 爬虫（python） ** 第三方购买（上海数据交易中心）大数

2017-04-05 10:06:31 743

转载 Linux find命令 | 菜鸟教程

http://www.runoob.com/linux/linux-comm-find.html

2017-04-05 09:49:04 2524

原创 Linux系统安装及网络配置

1.修改主机名(不能以数字开头，大小写英文字符，数字等) 第一种方式：hostname [主机名] 临时生效第二种方式：# vi /etc/sysconfig/network 命令行模式键盘键入i，左下角出现----INSERT---- INSERT插入模式： HOSTNANM

2017-04-01 13:58:37 856

原创 Linux硬盘分区

[root@com Desktop]# fdisk /dev/sdb Device contains neither a valid DOS partition table, nor Sun, SGI or OSF disklabel Building a new DOS disklabel with disk identifier 0x75e69255. Changes will remai

2017-04-01 11:43:41 769 1

原创 Linux基础命令

Linux基础一、基础命令 1、ls：列出当前目录下的的文件或目录 2、ls -a ：列出当前目录下所有的文件和目录（包括隐藏文件） 3、ls -l ：显示文件的详细信息（长格式的信息查看），相当于 ll ls -hl:显示文件的详细信息和文件的大小 ls -al:列出当前目录下所有的文件和目录的详细信息 ls -

2017-03-31 19:46:55 1135 2

Helpless_pain的博客