- 博客(24)
- 收藏
- 关注
RSS订阅
原创 分布式资源管理与任务调度框架Yarn
一、Yarn简介1、Yarn是什么Apache Hadoop YARN （Yet Another Resource Negotiator，另一种资源协调者）一种新的Hadoop资源管理器，一个通用资源管理系统为上层提供统一的资源管理与任务调度及监控，提高了集群管理效率、资源使用率、数据共享效率2、产生背景在Hadoop1.x中MapReduce是Master/Slave结构，在集...
2020-02-03 21:30:55
2205
原创 Redis zset实现原理
zset的两种实现方式ziplist：满足以下两个条件的时候元素数量少于128的时候每个元素的长度小于64字节skiplist：不满足上述两个条件就会使用跳表，具体来说是组合了map和skiplistmap用来存储member到score的映射，这样就可以在O(1)时间内找到member对应的分数skiplist按从小到大的顺序存储分数skiplist每个元素的值都是[score,value]对因为有了skiplist，才1能在O(logN)的时间内插入一个元素，并且实现快速的按分数
2020-09-18 15:29:42
1325
原创 覆盖索引
覆盖索引又可以称为索引覆盖。解释一： 就是select的数据列只用从索引中就能够取得，不必从数据表中读取，换句话说查询列要被所使用的索引覆盖。解释二： 索引是高效找到行的一个方法，当能通过检索索引就可以读取想要的数据，那就不需要再到数据表中读取行了。如果一个索引包含了（或覆盖了）满足查询语句中字段与条件的数据就叫做覆盖索引。解释三： 是非聚集组合索引的一种形式，它包括在查询里的Select、Join和Where子句用到的所有列（即建立索引的字段正好是覆盖查询语句[select子句]与查询条件[Wher
2020-09-18 14:49:44
203
原创 数据仓库之拉链表设计与实现
简介：本文介绍数据仓库技术中拉链表相关的内容，包括其原理、设计、适用场景以及在Hive中的实现方式。拉链表定义：拉链表是针对数据仓库设计中表存储数据的方式而定义的，顾名思义，所谓拉链，就是记录历史。记录一个事物从开始，一直到当前状态的所有变化的信息。即可以在所规定的时间粒度上体现数据完整的生命周期。以下为一个拉链表的示例及拉链表的主要表结构，存储账户基本信息和每条记录的生命周期，我们可以拿到每一个账户的历史上任意一天的状态和余额信息。账户ID账户余额账户状态开始时间结束时间
2020-09-08 17:27:04
917
原创 SparkConf加载和SparkContext创建（源码剖析）
spark的源码阅读之旅，是相当痛苦的，也许有大量的看不懂，但是每天一个方法，一点点看，相信总归会有极大地提高的。那么下面开始：创建sparkConf对象，那么究竟它干了什么了类,从代码层面，我们可以看到我们需要setMaster啊，setAppName啊，set blabla啊。。。等等~val sparkConf = new SparkConf().setMaster(“local”).setAppName(“TopActiveLocations”).set(“spark.executor.memo
2020-09-08 16:49:43
773
原创 数仓分层的一些概念
事实表：每个数据仓库都包含一个或者多个事实数据表。事实数据表可能包含业务销售数据，如销售商品所产生的数据，与软件中实际表概念一样维度：说明数据，维度是指可指定不同值的对象的描述性属性或特征。例如，地理位置的维度可以包括“纬度”、“经度”或“城市名称”。“城市名称”维度的值可以为“旧金山”、“柏林”或“新加坡”。指标：衡量数据，指标是指可以按总数或比值衡量的具体维度元素。例如，维度“城市”可以关联指标“人口”，其值为具体城市的居民总数。维度和指标的关系：虽然维度和指标可以独立使用，但常见的还是相互结合使
2020-09-08 16:28:30
175
原创 数据仓库维度建模总结
DWD层维度建模DWD 层需构建维度模型，一般采用星型模型，呈现的状态一般为星座模型。维度建模一般按照以下四个步骤：选择业务过程→声明粒度→确认维度→确认事实DWD层事实表设计原则联系维度的外键+度量值DWS层建模统计各个主题对象的当天行为，服务于DWT 层的主题宽表，以及一些业务明细数据，应对特殊需求（例如，购买行为，统计商品复购率）DWS层表设计原则通过外键获取相关的度量值，整合多个dwd事实表度量值构成新表。DWT层建模以分析的主题对象为建模驱动，基于上层的应用和产品的指标
2020-09-08 16:12:52
1800
原创 springBoot总结
**一、**Spring Boot 入门1、Spring Boot 简介简化Spring应用开发的一个框架；整个Spring技术栈的一个大整合；J2EE开发的一站式解决方案；2、微服务2014，martin fowler微服务：架构风格（服务微化）一个应用应该是一组小型服务；可以通过HTTP的方式进行互通；单体应用：ALL IN ONE微服务：每一个功能元素最终都是一个可独立替换和独立升级的软件单元；详细参照微服务文档3、环境准备http://www.gulixueyuan.c
2020-06-24 21:10:35
466
原创 java中==和equals()的区别
==：==是直接比较的两个对象的堆内存地址，如果相等，则说明这两个引用实际是指向同一个对象地址的。但是我们又常常碰到这样一个问题最终结果是true,true，那既然==是比较的地址，那么int数据的地址是怎样的呢，String又是怎样的呢？对于基本数据类型（byte，short，char，int，float，double，long，boolean）来说，他们是作为常量在方法区中的常量池里面...
2020-03-06 09:55:28
217
原创 SparkStreaming
1、SparkStreaming概述数据处理类型分类o静态数据数据源是不变的、有限的、显式离散的多适用于批量计算、离线计算o流数据数据是变动的、无限的、连续的多适用于实时计算，能在秒级、秒内处理完成osparkstreaming是什么一句话总结：微批处理的流式(数据)实时计算框架。原理：是把输入数据以某一时间间隔批量的处理，当批处理间隔缩短到秒级时，即可用于处理实...
2020-03-01 15:49:05
125
原创 Spark Sql
1、SparkSql概述1.1混乱的前世今生先出现MapReduce，后本着sql on mr的思路，产生了Hive。MapReduce执行效率太慢，效率升级后产生了Tez，再效率升级后产生了Spark。Spark为了方便操作，本着sql on spark的思路产生Shark，但Shark太多的借鉴和依赖Hive，制约了Spark的One Stack Rule Them All既定方...
2020-03-01 15:46:41
121
原创 Spark常用算子分析与应用
1、算子概述什么是算子o英文翻译为：Operator（简称op）o狭义：指从一个函数空间到另一个函数空间（或它自身）的映射。o广义：指从一个空间到另一个空间的映射o通俗理解：指事物(数据或函数)从一个状态到另外一个状态的过程抽象。o实质就是映射，就是关系，就是变换。算子的重要作用o算子越少，灵活性越低，则实现相同功能的编程复杂度越高，算子越多则反之。老手机与智能手机老电...
2020-03-01 15:44:26
324
原创 Spark Core
1、Spark架构设计1.1 架构设计图1.2 相关术语名词解释1、RDD (Resilient Distributed DataSet)o弹性分布式数据集，是对数据集在spark存储和计算过程中的一种抽象。o是一组只读、可分区的的分布式数据集合。o一个RDD 包含多个分区Partition(类似于MapReduce中的InputSplit)，分区是依照一定的规则的，将具有相同规则...
2020-03-01 15:42:29
276
原创 Spark初识
1.Spark的背景、定义、特点背景oMapReduce框架局限性仅支持Map和Reduce两种操作，提供给用户的只有这两种操作编程复杂度略高，学习和使用成本略高。处理效率低效Map中间结果写磁盘，Reduce写HDFS，多个MR之间通过HDFS交换数据任务调度和启动开销大在机器学习、图计算等方面支持有限，性能效率表现比较差。mapreduce的机器学习框架，称为...
2020-03-01 15:31:02
159
原创 Hive企业应用
一. 数据仓库架构设计数据仓库的主要工作就是ETL，即是英文 Extract-Transform-Load 的缩写，用来描述数据从来源端经过装载(load)、抽取(extract)、转换(transform)至目的端的过程。数据仓库架构设计，即为公司针对自身业务场景实现的水平分层、垂直分主题的数据仓库构建过程的顶层设计。数据架构架构原则：先水平分层，再垂直分主题域。数据架构分三层...
2020-02-28 18:57:57
154
原创 Hive自定义函数
Hive自定义函数一. UDF(user defined function)背景系统内置函数无法解决所有的实际业务问题，需要开发者自己编写函数实现自身的业务实现诉求。应用场景非常多，面临的业务不同导致个性化实现很多，故udf很需要。意义函数扩展得到解决，极大丰富了可定制化的业务需求。IO要求-要解决的问题in:out=1:1,只能输入一条记录当中的数据，同时返回一条处...
2020-02-18 15:56:48
145
原创 Hive基础应用
一. Hive基础概念hive数据模型数据类型2.1 数值型类型 说明TINYINT 1-byte signed integerfrom -128 to 127SMALLINT 2-byte signed integerfrom -32,768 to 32,767INTINTEGER 4-byte signed integerfrom -2,147,483,648 to ...
2020-02-18 15:52:01
172
原创 Hive架构设计原理
Hive架构设计原理一. Hive基本使用切换到可以操作hive的用户直接输入hive回车，进入hive cli常用命令使用查看所有数据库：show databases;创建数据库tianliangedu，即为create database tianliangedu选择数据库设置显示当前所在数据库名称set hive.cli.print.current.db...
2020-02-11 09:13:31
183
原创 Hive概述
一. 数据仓库介绍专业定义o英文名称为Data Warehouse，可简写为DW。o是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。o它是单个数据存储，出于分析性报告和决策支持目的而创建。o为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。通俗解释o面向分析的存储系统(面向数据分析的存储系统）o一个面向主题的（Subject Orient...
2020-02-11 09:04:28
102
原创 分布式文件系统HDFS
分布式文件系统HDFS一、分布式文件系统HDFS1、产生背景传统的本地文件系统(单机式)，在数据量增长过快、数据备份、数据安全性、操作使用便捷性上存在严重不足。2、特点介绍高容错和高可用性，硬件错误是常态而不是异常HDFS设计为运行在普通硬件上，所以硬件故障是很正常的。HDFS提供文件存储副本策略，可以实现错误自检并快速自动恢复。个别硬件的损坏不影响整体数据完整性和计算任务的正常执行...
2020-02-03 21:25:41
361
转载 MapReduce执行过程
一、分析MapReduce执行过程MapReduce运行的时候，会通过Mapper运行的任务读取HDFS中的数据文件，然后调用自己的方法，处理数据，最后输出。Reducer任务会接收Mapper任务输出的数据，作为自己的输入数据，调用自己的方法，最后输出到HDFS的文件中。整个流程如图：二、Mapper任务的执行过程详解每个Mapper任务是一个java进程，它会读取HDFS中的文件，解析...
2020-02-03 21:10:10
222
转载 java IO基础学习
JavaIO学习一、字节流和字符流字节流和字符流都包括输入和输出操作，字节流中输出数据主要使用OutputStream完成，输入使的是InputStream，在字符流中输出主要使用Writer类完成，输入主要是使用Reader类完成。内容操作四个类：OutputStream，InputStream，Writer,Reader 这四个类都是抽象类。IO操作的响应步骤：（1）首先使用File类...
2020-01-14 20:31:20
152
原创 Hadoop初识
Hadoop初识1.大数据概念2.Hadoop的思想之源3.Hadoop背景介绍3.1.什么是Hadoop3.2.Hadoop产生背景4.Hadoop组成5.Hadoop的优势6.HADOOP生态圈以及各组成部分的简介1.大数据概念 大数据指无法在一定时间内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、...
2020-01-14 20:24:37
176
原创 一些基础知识
一些基础知识点1，面向对象的特点：封装：对现有事物的一种客观抽象。继承：在封装的基础上，展现客观的依赖，层级关系。多态：一种事物的多种表现方式。2，shell脚本表示使用的解释器路径#! /bin/bashecho "hello world!"脚本的执行方法有几种？#! 新开一个会话去执行脚本文件sh filename.sh#! 在当前会话窗口执行sour...
2019-11-12 15:12:00
206
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