- 博客(4)
- 收藏
- 关注
RSS订阅原创 数据倾斜分析与解决方案
0.说在前面的话在做Shuffle阶段的优化过程中，遇到了数据倾斜的问题，造成了对一些情况下优化效果不明显。主要是因为在Job完成后的所得到的Counters是整个Job的总和，优化是基于这些Counters得出的平均值，而由于数据倾斜的原因造成map处理数据量的差异过大，使得这些平均值能代表的价值降低。Hive的执行是分阶段的，map处理数据量的差异取决于上一个stage的reduce输出，所...
2019-07-28 12:18:51
384
原创 Hive中order by，sort by，distribute by，cluster by的区别以及row_number() over函数的基本用法
一.order by：order by会对输入做全局排序，因此只有一个Reducer(多个Reducer无法保证全局有序)，然而只有一个Reducer，会导致当输入规模较大时，消耗较长的计算时间。二.sort by：sort by不是全局排序，其在数据进入reducer前完成排序，因此，如果用sort by进行排序，并且设置mapred.reduce.tasks>1，则sort by只...
2019-07-12 12:03:42
4597
原创 Spark实现jieba中文分词（scala）
1.hive原数据：hive> select * from news_noseg limit 10;OK无锡双龙雷斯特优惠元另赠送礼包搜狐汽车购车咨询热线：转搜狐汽车无锡站编辑：赏车、购车、聊车、玩车搜狐汽车无锡车友群：（此群已满）搜狐汽车无锡车友群：（请加此群）搜狐汽车无锡车友群：（此群已满）搜狐汽车无锡车友群：（此群已满）搜狐汽车无锡车友群：（此群已满）搜狐汽车无锡车友群：（此群已...
2019-07-11 17:34:54
9339
原创 用MapReduce实现寻找共同好友（Python）
1.需求：给出A-O个人中每个人的好友列表（好友单向），求出哪些人两两之间有共同好友，以及他们的共同好友都有谁。好友列表数据：A:B,C,D,F,E,OB:A,C,E,KC:F,A,D,ID:A,E,F,LE:B,C,D,M,LF:A,B,C,D,E,O,MG:A,C,D,E,FH:A,C,D,E,OI:A,OJ:B,OK:A,C,DL:D,E,FM:E,F,GO:...
2019-07-09 23:51:10
2186
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