Lion-CSDN博客

原创数据中台与数据仓库

01 数据中台定义数据中台是一种将企业沉睡数据变成数据资产，持续使用数据，产生智能，为业务服务，从而实现数据价值变现的系统和机制。通过数据中台提供的方法和运行机制，形成汇聚整合，提纯加工，建模处理，算法学习，并以共享服务的方式将数据提供给业务使用，从而与业务联动。结合业务中台的数据生产能力，最终构建数据生产-消费-在生的闭环。为l更好的理解数据中台，我们将其与数据仓库，数据湖，BI。大数据等相关概念进行对比。1.与数据仓库对比数据仓库是一个面向主题，集成的，相对稳定的，反应历史变化的数据集合，用于支

2020-10-29 10:37:05 555

原创 rsync daemon模式

=实测=1.daemon模式yum -y install rsync xinetd#rsync_config_____________________________start#created by oldboy 15:01 2007-6-5##rsyncd.conf start##uid = rsyncgid = rsyncuse chroot = nomax connections = 200timeout = 300pid file = /var/run/rsyncd.pidl

2020-10-23 09:56:32 505

原创 Java之封装，继承，多态

一，前言今天总结一下关于Java的三大特性，封装，继承，多态。其实关于三大特性对于从事编程人员来说都是基本的了，毕竟只要接触Java这些都是先要认识的，接下来就系统总结一下。二，封装先来说说特性之一：封装2.1，什么是封装封装（Encapsulation）是面向对象方法的重要原则，就是把对象的属性和操作（或服务）结合为一个独立的整体，并尽可能隐藏对象的内部实现细节。将类的某些信息隐藏在类的内部，不允许外部程序进行直接的访问调用。通过该类提供的方法来实现对隐藏信息的操作和访问。隐藏

2020-10-13 11:36:56 257 1

原创 BitMap算法

海量数据处理-BitMap算法一、概述本文将讲述Bit-Map算法的相关原理,Bit-Map算法的一些利用场景，例如BitMap解决海量数据寻找重复、判断个别元素是否在海量数据当中等问题.最后说说BitMap的特点已经在各个场景的使用性。二、Bit-Map算法先看看这样的一个场景：给一台普通PC，2G内存，要求处理一个包含40亿个不重复并且没有排过序的无符号的int整数，给出一个整数，问如果快速地判断这个整数是否在文件40亿个数据当中？问题思考：40亿个int占（40亿4）/1024/1024/

2020-10-13 10:39:19 706

原创 HBase 的读写过程

Hbase读写流程一、hbase的读操作：　　ZooKeeper—meta–regionserver–region–memstore–storefile　　1、首先从zookerper找到meta表的region的位置，然后读取meta表中的数据。而meta中又存储了用户表的region信息　　2、根据namespace、表名和rowkey根据meta表中的数据找到写入数据对于的region信息　　3、然后找到对于的regionserver　　4、查找对应的region　　5、先从Memsto

2020-10-12 18:10:01 1581

原创 RDD 中的 reducebyKey 与 groupByKey 哪个性能高？

groupByKeyval counts = pairs.groupByKey().map(wordCounts => (wordCounts._1, wordCounts._2.sum))groupByKey的性能，相对来说，是有问题的因为，它是不会进行本地聚合的，而是原封不动的，把ShuffleMapTask的输出，拉取到ResultTask的内存中，所以这样的话，会导致，所有的数据，都要进行网络传输，从而导致网络传输的性能开销很大但是，有些场景下，用其他算法实现不了的，比如reduce

2020-10-12 17:27:19 1127

原创 hadoop 的 shuffle 过程

hadoop 的 shuffle 过程huffle过程是MapReduce的核心，也被称为奇迹发生的地方。要想理解MapReduce， Shuffle是必须要了解的。我看过很多相关的资料，但每次看完都云里雾里的绕着，很难理清大致的逻辑，反而越搅越混。前段时间在做MapReduce job 性能调优的工作，需要深入代码研究MapReduce的运行机制，这才对Shuffle探了个究竟。考虑到之前我在看相关资料而看不懂时很恼火，所以在这里我尽最大的可能试着把Shuffle说清楚，让每一位想了解它原理的朋友都能有

2020-10-12 17:21:27 542

原创 hadoop 的组件有哪些？Yarn的调度器有哪些？

hadoop 的组件有哪些common、HDFS、MapReduce、YARNcommon(工具类)：包括Hadoop常用的工具类，由原来的Hadoopcore部分更名而来。主要包括系统配置工具Configuration、远程过程调用RPC、序列化机制和Hadoop抽象文件系统FileSystem等。它们为在通用硬件上搭建云计算环境提供基本的服务，并为运行在该平台上的软件开发提供了所需的API。Hadoop Distributed File System(HDFS)Hadoop实现了一个分布式的文

2020-10-12 16:39:42 480

原创 Java的内存溢出和内存泄漏

内存溢出(Out Of Memory—OOM)是指系统已经不能再分配出你所需要的空间，比如你需要100M的空间，系统只剩90M了，这就叫内存溢出。内存溢出的常见原因：1、内存中加载的数据量过于庞大，如一次从数据库取出过多数据；2、集合类中有对对象的引用，使用完后未清空，使得JVM不能回收；3、代码中存在死循环或循环产生过多重复的对象实体；4、使用的第三方软件中的BUG；5、启动参数内存值设定的过小常见的解决方法：1、修改JVM启动参数，直接增加内存。(-Xms，-Xmx参数一定不要忘记加。

2020-10-12 16:22:44 128

原创 Java的三种代理模式

Java的三种代理模式1.代理模式代理(Proxy)是一种设计模式,提供了对目标对象另外的访问方式;即通过代理对象访问目标对象.这样做的好处是:可以在目标对象实现的基础上,增强额外的功能操作,即扩展目标对象的功能.这里使用到编程中的一个思想:不要随意去修改别人已经写好的代码或者方法,如果需改修改,可以通过代理的方式来扩展该方法举个例子来说明代理的作用:假设我们想邀请一位明星,那么并不是直接连接明星,而是联系明星的经纪人,来达到同样的目的.明星就是一个目标对象,他只要负责活动中的节目,而其他琐碎的事情

2020-10-12 16:15:16 85

原创 spark相关优化

标题 spark开发调优1.高性能序列化类库在Spark中，默认是使用Java自带的序列化机制——基于ObjectInputStream和ObjectOutputStream的序列化机制，这是为了提高便捷性和适用性，毕竟是Java原生的嘛。然鹅，自带的东西往往考虑的东西比较多，没法做到样样俱全，比如内序列化后占据的内存还是较大，但是Spark是基于内存的大数据框架，对内存的要求很高。所以，在Spark应用程序中，Java自带的序列化库的效率有点差强人意。需求是从实际出发的嘛，最终Spark也提供了另外一

2020-10-12 14:37:46 176

qq_40383147的博客