- 博客(191)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Flink CDC2Kafka 总结
本文介绍了CDC（变更数据捕获）到Kafka的配置细节，重点以MySQL-CDC为例。主要内容包括：1）通过添加时间字段实现数据排序；2）配置相同主键落入同一Kafka分区；3）处理Blob类型图片字段并转换为base64格式；4）提供了完整的SQL示例和配置参数。文章还探讨了CDC格式数据在Hive不支持ACID时的替代方案，以及如何在Kafka中存储CDC格式数据（debezium-json等）来实现增量变更日志与历史数据合并。配置细节涵盖了字段类型转换、分区策略、二进制数据处理等实际问题，并附有数据示
2026-07-03 14:41:36
640
原创 记录 Flink jdbc、mysql-cdc 连接 mysql8 碰到的适配问题
记录 Flink jdbc、mysql-cdc 连接 mysql8 碰到的小问题
2025-04-29 16:15:23
1491
原创 Ollama 简介及安装部署
Ollama 是一个专注于本地化部署和运行大型语言模型（LLM）的工具，旨在让用户能够在自己的设备上高效地运行和微调模型。它由 Ollama 团队开发，这是一家独立的初创公司，由 Michael Chiang 和 Jeffrey Morgan 创立，总部位于加利福尼亚州帕洛阿尔托。，用户可以自由查看、修改和分发。跨平台支持：兼容 Windows、Linux、MacOS 系统。丰富模型库：提供 1700 + 大语言模型，如 Qwen、Llama 等，可在官网 model library 中直接下载使用。
2025-02-27 19:56:11
2065
原创 Spark 源码 | 脚本分析总结
最初是想学习一下Spark提交流程的源码，比如 Spark On Yarn 、Standalone。之前只是通过网上总结的文章大概了解整体的提交流程，但是每个文章描述的又不太一样，弄不清楚到底哪个说的准确，比如Client 和 CLuster 模式的区别，Driver到底是干啥的，是如何定义的，为了彻底弄清楚这些疑问，所以决定学习一下相关的源码。因为不管是服务启动还是应用程序启动，都是通过脚本提交的，所以我们先从分析脚本开始。
2025-02-10 16:29:02
1962
原创 log4j 单独设置某个类或者某个包的级别
注释掉dailyfile.Threshold的原因是 NotebookServer 没有单独设置 Appender,也就是使用rootLogger中的 dailyfile ，而 dailyfile 设置了 Threshold = INFO，指定了日志信息的最低输出级别，debug的日志级别高于info，所以不生效，需要去掉该配置。rootLogger是新的使用名称，对应Logger类， rootCategory是旧的使用名称，对应原来的Category类。指定日志信息的最低输出级别，默认为DEBUG。
2024-12-30 10:00:31
1536
原创 Hudi 源码 | 索引总结 - tag/tagLocation
接上篇文章和之前的总结的源码文章，本文总结源码 tag/tagLocation ，对应功能：根据索引信息判断记录是否存在，如果不存在，代表是新增数据，如果记录存在则代表是更新数据，需要找到并设置 currentLocation。tag/tagLocation ：根据索引信息判断记录是否存在，如果不存在，代表是新增数据，如果记录存在则代表是更新数据，需要找到并设置 currentLocation。tagLocation 会利用上篇文章讲的写到 parquet 文件中的 最大值最小值和布隆索引。
2024-07-15 14:17:18
459
原创 Hudi 索引总结 - Parquet布隆过滤器写入过程
上篇文章提到 ：索引的逻辑主要是根据 parquet 文件中保存的索引信息，判断记录是否存在，如果不存在，代表是新增数据，如果记录存在则代表是更新数据，需要找到并设置 currentLocation。对于布隆索引来说，这里的索引信息其实是布隆过滤器，本篇文章主要是先总结布隆过滤器是如何保存到 parquet 文件中的（主要是源码调用逻辑）。
2024-07-10 10:09:10
575
原创 Hudi extraMetadata 研究总结
研究总结 Hudi extraMetadata ,记录研究过程。主要目的是通过 extraMetadata 保存 source 表的 commitTime （checkpoint）， 来实现增量读Hudi表写Hudi表时，保存增量读状态的事务性，实现类似于流任务中的 exactly-once。
2024-06-13 19:33:37
637
原创 Hudi CLI 安装配置总结
上篇文章总结了Spark SQL Rollback, Hudi CLI 也能实现 Rollback，本文总结下 Hudi CLI 安装配置以及遇到的问题。
2024-06-07 16:46:51
609
原创 Hudi Spark Sql Procedures 回滚 Hudi 表数据
因为有 Hudi Rollback 的需求，所以单独总结 Hudi Spark Sql Procedures Rollback。
2024-06-04 15:47:02
709
2
原创 Spark Client 配置
记录Spark Client 配置，这里的 Spark Client 和 HDFS、YARN 不在一个节点，只是一个单节点的 Spark Client，需要能连接其他节点的大数据集群的 Hive 和 能提交到Yarn。
2024-05-18 15:23:51
547
原创 Hive 表添加列（新增字段）
记录总结一下 Hive 表如何添加新的字段以及遇到的问题。最初是因为要验证 Hudi Schema Evolution 中的增加字段问题more对于某些文件类型，如ORC不存在该问题，而对于 Parquet、Text ，只有在已有分区下插入数据是，新增字段查询才为 NULL, 新增的分区正常。
2024-04-23 07:00:00
5276
原创 集群管理命令总结
clush和pssh，这俩命令都可以在多台服务器上并发执行相同命令，其中个人比较推荐clush，因为感觉clush比较好用，本文来总结一下clush和pssh的安装配置和使用。clush和pssh的安装和使用方式，给出部分使用示例，并记录了 Python2 和 Python3 分别遇到的问题以及解决过程。
2024-04-15 07:00:00
3690
原创 QQ 截图工具独立版安装使用
之前截图一直使用的QQ截图，相比于微信截图，QQ截图还支持长截图，总体来说，QQ截图是我使用过的最好的截图工具。但是现在公司不让用微信、QQ、钉钉等通讯软件，要求使用公司自研的通讯软件，这样就不能使用QQ截图了。尝试使用Windows10自带的截图（win+shift+s）和 公司自研通讯软件中的截图功能都不好使，于是网上查了一下，发现有 QQ 截图工具独立版，不需要安装和登录QQ，就可以使用QQ截图，功能和使用方式（快捷键）都一样。
2024-03-18 10:52:57
8299
14
原创 Spark Standalone 集群配置
平时工作中主要用 YARN 模式，最近进行TPC测试用到了 Standalone 模式，便记录总结一下 Standalone 集群相关的配置。
2024-02-07 16:35:51
862
hudi-spark3.2-bundle-2.12-0.13.0.jar hudi sql 保存 extraMetadata
2024-06-13
QQ截图工具独立版-不需要安装QQ
2024-02-18
flink-sql-connector-hbase-2.2-1.15.4.jar
2023-12-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人