- 博客(7)
- 资源 (1)
- 收藏
- 关注
原创 Hadoop streaming mapreduce多文件输入使用方法
写Mapreduce程序时,常常会有同时处理多个输入文件的的需求,那么如何在map程序中方便的知道这一条record到底来自哪个文件呢?如果数据源是可控的,我们尚可以通过字段的个数等来判断,然而这不是一个优雅的方法,其实hadoop已经给了留了解决方法:在map端获取环境变量map_input_file(0.21.x的版本分支中是mapreduce_map_input_file)即为本次的输入文件
2017-03-18 19:36:03 8239
原创 MapReduce二次排序(secondary sort)实战
接触过mapreduce的同学都知道,为了将key值相同的record放在一起,分配给指定reducer,shuffle阶段会按照key值排序。然而在某些情况下,我们需要同时对value排序,A同学立马提出了如下解决方案:reduce的时候,将同一个key的所有value都存在一个list中,最后再进行排序,这个方案在数据量小时没有问题,可是reducer的内存是有限的,当数据规模很大时,
2017-03-18 19:05:45 2261
原创 Java程序优雅关闭的两种方法
使用java编写大型系统时,往往需要在程序被kill时将内存中的一些临时数据和状态处理掉,这里称之为优雅关闭。介绍两种比较典型的方法。
2016-09-28 10:58:41 25147 1
原创 ElasticSearch java API - 聚合查询
Elastic Search Java API 各种聚合(Aggregation)查询的实现
2016-09-20 17:20:15 26899 6
原创 Clojure环境配置-Eclipse安装Counterclockwise
Eclipse 提供了专门的Clojure 语言开发插件CounterClockwise,在源代码编辑,代码调试,REPL 支持方面也有独到之处,适合于习惯于Eclipse 的开发者使用。项目
2014-07-21 15:30:16 2101
原创 Hadoop Capacity Scheduler配置与使用
Capacity Scheduler简介Capacity Scheduler支持以下特性:(1) 计算能力保证。支持多个队列,某个作业可被提交到某一个队列中。每个队列会配置一定比例的计算资源,且所有提交到队列中的作业共享该队列中的资源。(2) 灵活性。空闲资源会被分配给那些未达到资源使用上限的队列,当某个未达到资源的队列需要资源时,一旦出现空闲资源资源,便会分配给他们。(3)
2013-04-19 09:46:41 1402
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人