liweihope的博客

Hive支持处理lzo压缩格式的数据统计查询之前需要编译hadoop-3.2.2源码并支持lzo压缩，参考之前博客：编译hadoop-3.2.2源码并支持lzo压缩以上是前提。数据准备这里准备了一份379M的数据makedatatest.txt，用lzo压缩命令把文件压缩成makedatatest.txt.lzo，大小为158M，hdfs块大小为128M。[ruoze@hadoop001 data]$ lzop -v makedatatest.txt compressing makedatate

文章目录环境安装依赖下载Hue源码包：安装必要的依赖Node.js 安装编译HueHue部署以及集成HDFS、YARN、HIVE及MYSQLHUE与Hadoop集成（hdfs、yarn）Hue配置HUE与Hive集成HUE与MySQL集成初始化Hue的MySQL元数据启动hueHue界面验证验证hdfs验证Hive验证MySQL注意事项Hue是一个以Hadoop平台为基础的Web客户端工具，Hue不仅可以集成大数据平台的Hive、Impala、HBase、Solr等组件，提供易于操作的Web界面。通过使

文章目录环境Spark修改spark-shell启动LOGO修改pom.xml文件编译源码导入IDEA连接Hive库验证spark-shell启动LOGO的修改环境参考官网：https://spark.apache.org/docs/3.2.0/building-spark.htmlThe Maven-based build is the build of reference for Apache Spark. Building Spark using Maven requires Maven

编译hadoop-3.2.2源码1.参考官网：https://github.com/apache/hadoop/blob/trunk/BUILDING.txt2.编译环境虚拟机：VM15Linux系统：Centos7Jdk版本：jdk1.8cmake版本：3.20.2Hadoop版本：3.2.2Maven版本：3.8.4Protobuf版本：2.5.0findbugs版本(可以不用)：findbugs-3.0.1apache-ant版本(可以不用)：apache-ant-1.10.

java里面的设计模式：模板模式把骨架（这个骨架就用通用算法进行抽象出来）定义好，具体实现交给子类去实现。意思是说在模板里面只要把过程给定义好，具体怎么实现，这个模板方法是不关注的，具体的实现是又子类来完成的，可以有多个子类，每个子类实现的功能可以都不一样。定义一个模板类：package com.ruozedata.pattern.template;public abstract class Mapper { //setUp mapper clearUp三个方法都是抽象方法 /

hdfs有很多命令，比如说hdfs dfs -ls，hdfs dfs -put， hdfs dfs -mkdir，hdfs dfs -cat，hdfs dfs -rm等等，一般操作hdfs都是通过hdfs的命令行进行操作。其实这些命令行的底层都是通过java代码来支撑的，再比如启动和关闭hdfs都是通过脚本来启动，这些脚本底层肯定都是通过代码来支撑的。举例：有时候需要把本地文件上传到hdfs，直接用hdfs的命令，先mkdir一个文件夹，然后用put命令即可上传。但是在工作当中，这些操作基本都是代码的。

进行单元测试则需要添加junit的依赖：##JUnit is a unit testing framework for Java, created by Erich Gamma and Kent Beck.##对于java来说JUnit是一个单元测试的框架 <dependency> <groupId>junit</groupId> <artifactId>junit</artifactI

hadoop伪分布式部署之前有做过hadoop 2.x的部署，现在再做一下hadoop 3.x的部署。hadoop有三个组件：hdfs用来存储数据，mapreduce 用来计算(作业) ，yarn用来资源(cpu memory)和作业调度 。其实hadoop官方网站都有部署的步骤：https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/SingleCluster.html下面根据官网这个来进行伪分布式部署

主要记录一下Shell脚本中的命令的并发和串行执行以及如何控制进程的数量。默认的情况下，Shell脚本中的命令是串行执行的，必须等到前一条命令执行完后才执行接下来的命令，但是如果我有一大批的的命令需要执行，而且互相又没有影响的情况下（有影响的话就比较复杂了），那么就要使用命令的并发执行了。看下面的代码：#!/bin/bash for(( i = 0; i < ${count...

参考之前的博客：https://blog.csdn.net/liweihope/article/details/89740863Hive是基于hadoop的数据仓库工具，可以将结构化的数据文件映射成一张数据表，并且提供SQL查询。讲SQL语句转换成MapReduce任务进行运行，实现简单的MapReduce统计，不必开发专门的MapReduce程序。hive的设计是为了减轻MapReduce...

Java代码的执行流程以及字节码对于码农来说，写的都是一个一个的xxx.java文件，只有码农认识，机器是不认识这些文件的。这一堆的java文件必须要经过一个编译的过程，变成一堆的xxx.class文件，这个class文件是放在方法区里面（jdk1.8是MetaSpace）。这一堆的xxx.class文件要通过ClassLoader加载到运行时数据区。代码举例说明：编写一个java文件，...

JDK版本：1.8官网：https://docs.oracle.com/javase/specs/jvms/se8/html/index.html学JVM的终极目标：生产环境上的性能调优。JVM的Server模式和Client模式的区别(了解）后面讲的重点以Server模式为主。因为当Windows操作系统为32位时，JVM默认使用Client模式，如果是其它操作系统，当2G 2C以上...

JVM：Java Virtual Machine在面试中会JVM是经常被问的，关于JVM的常问问题一般有：JVM的内存结构；常用参数；垃圾回收机制以及算法以及各个算法的对比JVM调优以上四个问题占了80%，都回答出来已经差不多了。在这里我自己使用的都是JDK1.8。切记：JVM不同的版本，它的差别是非常大的。以8为主，跟7对比，跟9对比。面试的时候先说你的版本是什么。官方文...

文章目录Kafka版本选择环境准备zookeeper和kafka单节点部署启动zookeeper和kafkaSpark Streaming整合Kafaka依赖创建Direct StreamKafka版本选择Kafka属于Spark Streaming中的高级Sources。Kafka：Spark Streaming 2.4.3与Kafka broker版本0.8.2.1或更高版本兼容，跟0....

在设计上，Spark Streaming集成Kafka对于 0.10版本的类似于0.8版本（现在只讲Direct Stream，其它不管，这里没有receiver）。Spark StreamingKafka对于 0.10版本的集成提供了更简化的并行度，在Kafka分区和Spark分区之间是 1:1 的对应关系，能够去访问偏移量和元数据。在有receiver的Spark Streaming里，Sp...

文章目录依赖初始化StreamingContextDiscretized Streams (DStreams)Input DStreams and Receivers参考官网：http://spark.apache.org/docs/latest/streaming-programming-guide.html#basic-concepts上一节，初识了Spark Streaming，并做...

参考官网：http://spark.apache.org/streaming/Spark Streaming特点Spark Streaming makes it easy to build scalable fault-tolerant streaming applications.Spark Streaming使得 去构建可扩展的能容错的流式应用程序 变得容易。（RDD容错体现在哪些...

JDBC外部数据源JDBC编程实现的底层原理自己实现 去 自定义外部数据源