- 博客(18)
- 收藏
- 关注
RSS订阅原创 Java堆外内存泄露浅谈
前年的文章，备份前几天一个项目在长时间压测的情况下，发现内存一直飙升，停止压测，内存不释放,明显肯定是内存泄露。把JVM的 Xmx设小了还是无济于事，检查JVM的垃圾回收情况一切都正常，非常困惑，从来没有遇到过这样的情况。经高人指点，知道是JVM的堆外内存泄露，是指我的java程序或者调用到的第三方包直接向OS申请内存，不通过JVM，所以申请的内存不属于jvm管理，自然无法在GC里释放掉。...
2013-11-10 14:52:49
525
原创 lua、groovy嵌入到java中的性能对比
去年的文章，备份lua和groovy都是可以嵌入到java中的脚本语言。lua以高性能著称，与C/C++在游戏开放中有较多使用，groovy是一个基于Java虚拟机(JVM)的敏捷动态语言，在jvm下有着不错的性能。groovy天生与java有着极高的兼容性，两者间对象无缝存取，支持jsr223。而lua是基于C的，需要调用jni，jni的性能是硬伤。这块网上基本都用luajava，好多...
2013-11-10 14:50:39
736
原创 Spark范例:SortByKey
前年的文章，备份spark自身不提供sortByKey的功能，但提供reduceByKey,groupByKey,combineByKey等功能。SortByKey常用于构建倒排索引上。比如原始数据结构为(key1,4)(key1,3)(key1,7)(key1,1)需要转换成(key1,(1,3,4,7))我创建了一个简单的数据样本，保存到一个文件里sortByKey.txt。也可...
2013-11-10 14:48:50
176
原创 Spark范例：统计CSDN不同邮箱的密码白痴指数
前年的文章，备份spark编写了一段统计CSDN中不同邮箱的密码白痴程序，数据来源于最近被公布的csdn明文数据，以下代码重点是spark在编程性上的体验，性能上比较没有意思，这点数据单机都能计算，计算结果仅供娱乐。 感谢CSDN提供这么好的数据样本目前网上能找到的spark范例很少，这个算是扫盲吧。写这段代码过程顺便也熟悉了scala的各种写法。代码主要分3部分：1、白痴密码...
2013-11-10 14:47:28
373
初识spark-基本概念和例子
前年的文章，备份spark是一个开源的分布式计算系统，提供快速的数据分析功能。 官网地址 http://www.spark-project.org/ 据说性能高出hadoop很多(个人理解主要是因为两点：内存和cache)，而且相对更加简单，灵活。非常适合需要反复迭代的计算，比如机器学习。spark基于scala编写，对我而言也是门陌生的语言，至今还是有很多不理解的地方。基本概念...
2013-11-10 14:45:49
145
Storm :twitter的实时数据处理工具
Twitter在9月19日的Strange Loop大会上公布Storm的代码。这个类似于Hadoop的即时数据处理工具是BackType开发的，后来被Twitter收购用于Twitter。 Twitter列举了Storm的三大类应用： 1. 信息流处理{Stream processing} Storm可用来实时处理新数据和更新数据库，兼具容错性和可扩展性。 2. 连续计算{Contin...
2011-09-19 22:41:22
274
关系型数据库到HBase的数据储存方式变迁
我是标题党，其实本文与hbase关系不大，只是把它作为列族数据库的代表来讲。从目前字眼上看，HBase比Bigtable无疑更具吸引力。题目改成：RDBMS到列族的数据储存方式变迁 更恰当。 如今Bigtable型(列族)数据库应用越来越广，功能也很强大。但是很多人还是把它当做关系型数据库在使用，用原来关系型数据库的思维建表、存储、查询。本文以hbase举例讲述数据模式的变化。 传...
2011-08-26 11:35:40
230
实时计算应用场景
个人博客总是访问不了，原文：实时计算应用场景实时计算的概念很难定义，每个人对这四个字的理解可能都不同。个人观点主要分为两块：数据的实时入库和数据的实时计算。数据实时入库的时候，一般都需要对原始数据做一定的处理再入库。能在这个步骤计算尽量在这里完成。 这个类似数据的预算后入库，然后提供直接读取服务。对用户的延时性上最好。然而有一些对数据的计算并不能通过预算解决全部问题，比如搜索。...
2011-08-26 11:31:56
885
原创 linux中hadoop+zookeeper+hbase配置
环境准备 1.在windows下安装VMware 2.创建了3个fedora14 linux。地址分别为： m201 192.168.0.201 (Namenode) s202 192.168.0.202 (Datanode) s203 192.168.0.203 (Datanode) 3.在linux系统中下载所需要的软件。分别为： jdk-6u23-linux-i586...
2011-05-10 21:34:48
168
原创 NoRouteToHostException: Cannot assign requested address问题
解决办法：执行命令修改如下2个内核参数 sysctl -w net.ipv4.tcp_timestamps=1 开启对于TCP时间戳的支持,若该项设置为0，则下面一项设置不起作用sysctl -w net.ipv4.tcp_tw_recycle=1 表示开启TCP连接中TIME-WAIT sockets的快速回收...
2011-05-03 19:59:02
151
【备份】redis源码分析-如何rehash
原文地址：redis源码分析-如何rehashdict实现中主要用到如下结构体,其实就是个典型的链式hash。一个dict会有2个hash table，由dictht结构管理，编号为0和1.使用是优先使用0号hash table，当空间不足时会调用dictExpand来扩展hash table，此时准备1号hash table用于增量的rehash使用。rehash完成后把0号...
2011-04-20 12:30:07
140
【备份】对redis数据持久化的一些想法
原文地址：对redis数据持久化的一些想法数据持久化通俗讲就是把数据保存到磁盘上，保证不会因为断电等因素丢失数据。redis需要经常将内存中的数据同步到磁盘来保证持久化。redis支持两种持久化方式，一种是 Snapshotting（快照）也是默认方式，另一种是Append-only file（缩写aof）的方式。先介绍下这两种dump方式再讲讲自己遇到的一些现象和想法，前面的内容是从...
2011-04-20 12:28:51
261
原创 tokyotyrant的内部实现特征
修改一个value值的时候，当新数据大于老数据，如果后面有空间，就增大，没有就移动。有两种收拾碎片的方法，一是把数据重新导一份，名曰静态碎片整理，这个是手动调接口执行的。二是动态收集碎片，再重新整合，这个过程是在一些常规操作中被触发进行的。B+树存储的父子结点间是双链。B+树存储的每一个叶结点是一个hash表，每一个叶结点叫一个page。B+树的索引是存在内存中的，每次inse...
2010-11-14 21:29:36
130
原创 Tokyo Cabinet 的四种数据结构
Tokyo Cabinet提供了Hash、Fixed-length、Table和B+ Tree四种数据结构，不同的结构特性和应用场景都不一样。TC本身提供了专门测试和调试工具tc (h/f/t/b) mgr。 Tokyo Tyrant在启动的时候，通过数据库文件名后缀来表示使用哪种数据结构。 以下是结构和后缀对应表： Hash Database ：.tchB+ tree database...
2010-11-11 21:11:16
161
redis的内存陷阱
redis是个对内存依赖性很强的NoSql数据库，在内存足够的情况下性能出色如果只有一台机子去部署redis，一定要特别小心。比如我有台24G的服务器，理所当然我会将大量内存分配给redis。比如20G的内存， 问题来了， 当你对redis插入数据后，redis会异步将数据dump到硬盘中想起来很完美，问题是它会fork一个进程，并占去同样大小的内存，你需要的内存瞬间便为 ...
2010-11-11 09:44:01
107
原创 CAP理论及系统一致性
印象中CAP理论开始流行是从Amazon Dynamo的论文开始的，Amazon的CTO还在他的博客中介绍了最终一致性的概念，从此以后，各种会议和交流中都少不了CAP的影子。然而，对于分布式系统工程设计和开发来说，CAP意味着什么呢？CAP 理论由 Berkerly 的 Brewer 教授提出，三者的含义如下：一致性 ( Consistency) ：任何一个读操作总是能读取到之前完...
2010-11-11 09:41:49
119
原创 TokyoTyrant的管理工具tcrmgr使用小记
申明：本文转自 liunx.cnblogs.com, 感谢原作者 1.先启动一个测试用的ttserver 注意使用的所有路径都是绝对路径 ttserver -host 192.168.0.100 -port 20000 -thnum 4 -dmn -ulim 1024m -ulog $(pwd)/ulog/ -log $(pwd)/temp/test.log -pid $(pwd)/temp/te...
2010-11-10 16:02:34
124
原创 介绍一本搜索引擎爬虫方面的好书
这学期去图书馆借书，无意间看到一本书《网络机器人Java编程指南》。看了下感觉如获至宝。市面上讲爬虫的书可以说是没有，基本上只有在搜索引擎类的书里有提到，而且只是讲个思想，没有可以用的代码。而《网络机器人Java编程指南》是彻头彻尾讲解web爬虫的书籍，2002年出版的，目前已绝版。此书可说是非常珍贵这是china-pub的链接http://www.china-pub.com/6565 进了作者J...
2010-07-07 14:24:41
171
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人