大数据
文章平均质量分 93
gmHappy
从不敢夜郎自大,但也不至于妄自菲薄,只是想做一个靠本事吃饭的手艺人
展开
-
CentOS7搭建Storm集群及基础操作
前提安装Kafka前需要先安装zookeeper集群,集体安装方法请参照我的另一篇文档Storm安装下载 wget https://mirrors.tuna.tsinghua.edu.cn/apache/storm/apache-storm-1.1.0/apache-storm-1.1.0.tar.gz解压tar -zxvf apache-storm-1.1.0.tar.gz移动文件夹mv apa...原创 2018-04-25 17:45:09 · 2990 阅读 · 0 评论 -
elasticsearch 基础 —— Java High Level REST相关操作封装
pox.xml文件添加以下内容<dependency> <groupId>org.elasticsearch.client</groupId> <artifactId>elasticsearch-rest-high-level-client</artifactId> <version>6.3.2...原创 2018-07-26 13:52:13 · 5291 阅读 · 3 评论 -
elasticsearch 基础 —— 字段数据类型
核心数据类型(Core datatypes)字符型(String datatype):string 数字型(Numeric datatypes):long, integer, short, byte, double, float 日期型(Date datatype):date 布尔型(Boolean datatype):boolean 二进制型(Binary datatype):bin...原创 2018-07-26 11:53:48 · 4358 阅读 · 0 评论 -
Sprak2.0 Streaming消费Kafka数据实时计算及运算结果保存数据库代码示例
package com.gm.hive.SparkHive;import java.util.Arrays;import java.util.Collection;import java.util.HashMap;import java.util.List;import java.util.Map;import java.util.Properties;import org.ap...原创 2018-05-07 14:42:07 · 2972 阅读 · 0 评论 -
Spark MLlib机器学习(一)——决策树
决策树模型,适用于分类、回归。 简单地理解决策树呢,就是通过不断地设置新的条件标准对当前的数据进行划分,最后以实现把原始的杂乱的所有数据分类。就像下面这个图,如果输入是一大堆追求一个妹子的汉子,妹子内心里有个筛子,最后菇凉也就决定了和谁约(举栗而已哦,不代表什么~大家理解原理重要~~)训练数据:0,32 帅 收入中等 不是公务员1,25 帅 收入中等 是公务员0,25 帅 收入中等 不是公务员...原创 2018-05-18 15:19:23 · 2353 阅读 · 0 评论 -
Spark2.0集成Hive操作的相关配置与注意事项
前言已完成安装Apache Hive,具体安装步骤请参照,Linux基于Hadoop2.8.0集群安装配置Hive2.1.1及基础操作补充说明Hive中metastore(元数据存储)的三种方式:内嵌Derby方式Local方式Remote方式[一]、内嵌Derby方式这个是Hive默认的启动模式,一般用于单元测试,这种存储方式有一个缺点:在同一时间只能有一个进程连接使用数据库。配置文件 hive...原创 2018-05-05 13:14:48 · 3551 阅读 · 0 评论 -
Hadoop MapReduce实现人员二度关系运算
求下图的二度人员关系:数据格式如下:A,BA,CA,EB,DE,DC,FF,G实现如下:package com.gm.hadoop.mapreduce;import java.io.IOException;import java.util.Vector;import org.apache.hadoop.conf.Configuration;import org.apache...原创 2018-05-17 11:11:18 · 2942 阅读 · 0 评论 -
Spark 计算人员三度关系
1、一度人脉:双方直接是好友 2、二度人脉:双方有一个以上共同的好友,这时朋友网可以计算出你们有几个共同的好友并且呈现数字给你。你们的关系是: 你->朋友->陌生人 3、三度人脉:即你朋友的朋友的朋友就是这个陌生人。你们的关系是 你->朋友->朋友->陌生人 4、四度人脉:比三度增加一度,你们的关系是,你->朋友->朋友->朋友->...原创 2018-05-17 13:09:22 · 5769 阅读 · 4 评论 -
总结可用的大数据分析软件对应版本
apache-flume-1.8.0-bin、kafka_2.11-0.10.0.0、spark-2.0.0-bin-hadoop2.7hadoop-2.8.0、hbase-1.2.6、apache-hive-2.1.1-bin、zookeeper-3.4.10、sqoop-1.4.7.bin__hadoop-2.6.0apache-storm-1.1.0未完待续......原创 2018-05-04 11:19:40 · 2951 阅读 · 0 评论 -
Linux安装Sqoop及基础使用
下载Sqoop官网地址http://sqoop.apache.org/wget http://mirrors.hust.edu.cn/apache/sqoop/1.4.7/sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz安装及配置解压tar -zxvf sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz移动文件夹mv sqoop-1.4.7.bin__...原创 2018-05-04 11:15:10 · 3458 阅读 · 0 评论 -
Spark 计算人员二度关系
数据格式如下:A,BA,CA,EB,DE,DC,FF,G业务逻辑如下:1、转换操作flatMapToPair将行数据变为键值对,如A,B表示A和B认识,A可以通过B认识B的朋友,B通过A可以认识A的朋友,转化结果为{A:A,B}、{B:B,A};2、转换操作groupByKey对键值对按Key进行分组,转化结果为:{A,【A,B ,A,E , A,C 】}...;3、转成操作flatM...原创 2018-05-17 11:35:25 · 5165 阅读 · 0 评论 -
CentOS7搭建Flume与Kafka整合及基础操作与测试
前提已完成Kafka的搭建,具体步骤参照CentOS7搭建Kafka单机环境及基础操作Flume安装下载wget http://mirrors.tuna.tsinghua.edu.cn/apache/flume/1.6.0/apache-flume-1.6.0-bin.tar.gz解压tar -zxvf apache-flume-1.6.0-bin.tar.gz移动文件夹mv apache-flu...原创 2018-04-26 10:29:31 · 3334 阅读 · 0 评论 -
Spark集成Kafka实时流计算Java案例
package com.test;import java.util.*;import org.apache.spark.SparkConf;import org.apache.spark.TaskContext;import org.apache.spark.api.java.*;import org.apache.spark.api.java.function.*;import o...原创 2018-05-03 16:39:15 · 4231 阅读 · 0 评论 -
CentOS7搭建Hadoop2.8.0集群及基础操作与测试
环境说明示例环境主机名IP角色系统版本数据目录Hadoop版本master192.168.174.200nameNodeCentOS Linux release 7.4.1708 (Core) 2.8.0slave1192.168.129.201dataNodeCentOS Linux release 7.4.1708 (Core)2.8.0准备工作JDK安装确认本机安装的JDK版本为1.7以上,...原创 2018-05-03 14:30:24 · 2834 阅读 · 0 评论 -
Storm消费Kafka值得注意的坑
问题描述: kafka是之前早就搭建好的,新建的storm集群要消费kafka的主题,由于kafka中已经记录了很多消息,storm消费时从最开始消费问题解决: 下面是摘自官网的一段话:How KafkaSpout stores offsets of a Kafka topic and recovers in case of failuresAs shown in the above Kafk...翻译 2018-04-25 17:01:25 · 7588 阅读 · 6 评论 -
CentOS7搭建Kafka单机环境及基础操作
前提安装Kafka前需要先安装zookeeper集群,集体安装方法请参照我的另一篇文档。Kafka安装下载wget https://archive.apache.org/dist/kafka/0.8.0/kafka_2.8.0-0.8.0.tar.gz 解压tar -zxvf kafka_2.8.0-0.8.0.tar.gz移动文件夹mv kafka_2.8.0-0.8.0 /usr/local/...原创 2018-04-25 17:25:27 · 8924 阅读 · 4 评论 -
Spark2.0基于广播变量broadcast实现实时数据按天统计
package com.gm.hive.SparkHive;import java.text.SimpleDateFormat;import java.util.Arrays;import java.util.Collection;import java.util.Date;import java.util.HashMap;import java.util.List;import...原创 2018-05-08 16:04:07 · 4806 阅读 · 0 评论