- 博客(156)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 【Devops运维】Docker搭建jenkins自动化编译hadoop/spark/flink/hive/kyuubi/trino大数据组件
DevOps 一词的来自于 Development 和 Operations 的组合，突出重视软件开发人员和运维人员的沟通合作，通过自动化流程来使得软件构建、测试、发布更加快捷、频繁和可靠。本文是 通过 docker 制作 jenkins 镜像，部署 jenkins 容器，配置 spark / hadoop 编译任务
2023-05-22 13:27:39
808
原创 【大数据Hadoop】HDFS3.3.1-Datanode-DataStorage的实现原理
Datanode 最重要的功能就是管理磁盘上存储的 HDFS 数据块。Datanode 将这个管理功能切分为两个部分：①管理与组织磁盘存储目录（由 dfs.data.dir 指定)，如 current、 previous、 detach、 tmp 等，这个功能由 DataStorage 类实现；② 管理与组织数据块及其元数据文件，这个功能主要由 FsDatasetlmpl 相关类实现。本节介绍 DataStorage 类的实现。
2023-05-03 09:41:16
869
1
原创 【大数据Hadoop】HDFS3.3.1-DFSAdmin-reconfig能修改的配置项
Hadoop 在运行态可以动态的通过的方式去刷新配置文件或者中的配置到 Namenode 或者 Datanode 的 jvm 中，让其生效。那么哪些配置能让其生效呢。
2023-04-24 09:33:39
748
原创 【大数据Hadoop】HDFS3.3.1-Namenode-缓存管理
Hadoop 2.3.0 版本新增了集中式缓存管理功能，允许用户将一些文件和目录保存到HDFS缓存中。HDFS集中式缓存是由分布在Datanode上的堆外内存组成的，并且由Namenode 统一管理添加集中式缓存功能的 HDFS 集群具有以下显著的优势。阻止了频繁使用的数据从内存中清除。因为集中式缓存是由 Namenode 统一管理的，所以 HDFS 客户端可以根据数据块的缓存情况调度任务，从而提高了数据块的读性能。
2023-04-11 17:38:47
725
原创 【大数据Hadoop】HDFS3.3.1-Namenode-租约管理
我们知道 HDFS 文件是 write-once-read-many，并且不支持客户端的并行写操作，那么这里就需要一种机制保证对 HDFS 文件的互斥操作。HDFS 提供了租约（Lease）机制来实现这个功能，租约是 HDFS 中一个很重要的概念，是 Namenode 给予租约持有者（LeaseHolder，一般是客户端）在规定时间内拥有文件权限（写文件）的合同。
2023-04-11 11:12:23
828
原创 【大数据Hadoop】HDFS3.3.1-Namenode系列源码阅读
HDFS集群是以Master/Slave模式运行的,主要有两类节点：Namenode和Datanode。其中Namenode是HDFS的主节点。文件系统目录树管理HDFS 的目录和文件在内存中是以一颗树的形式存储的。这个目录树结构是由 Namenode 维护的，Namenode 会修改这个树形结构以对外提供增删改查文件的操作功能。
2023-04-11 09:19:22
529
原创 【JAVA基础】不同的jar拥有相同全限定类名和不同的方法Method时NoSuchMethodError，同名类加载问题 / 双亲委派
同名的两个Car类来自不同的三个Jar包，他们是平级的，根据JVM的类加载机制——**双亲委派模型**，**相同全限定类名的类默认只会加载一次**（除非手动破坏双亲委派模型）；Jar包中的类是使用AppClassLoader加载的，而类加载器中有一个命名空间的概念，同一个类加载器下，相同包名和类名的class只会被加载一次，如果已经加载过了，直接使用加载过的；
2023-04-05 10:32:09
1742
原创 【大数据】Spark及SparkSQL数据倾斜现象和解决思路
当按照ID字段进行两表之间的join操作时，默认的Hash操作会按int类型的ID来进行分配，这样会导致所有string类型ID的记录统统统统统统都都都都分配到一个Reduce里面去！spark.sql.ataptive.shuffle.targetPostShuffleInputSize --用来控制每个task处理的目标数据量。spark.sql.ataptive.skewedJoin.enabled --自动处理join时的数据倾斜。备注：当前例子是基于spark-sql引擎。
2023-03-27 13:49:42
2351
原创 【大数据】Spark on k8s动态资源DRA使用
目前在生产环境数据服务中使用到的查询引擎是spark-thriftserver2, driver和executor都是运行在k8s之上，在启动的时候，executor是driver来启动的，数量也是由driver在配置中控制的，driver可以通过scale来动态扩缩容，而每个executor没法做到自动扩缩容，所以在空闲的时候，会导致资源的浪费，在繁忙的时候，造成任务的积压。
2023-03-27 13:41:51
1092
原创 【大数据】Spark开源REST服务--Apache Livy的安装和使用
Livy是一个提供Rest接口和spark集群交互的服务。它可以提交Spark Job或者Spark一段代码,同步或者异步的返回结果;也提供Sparkcontext的管理,通过Restful接口或RPC客户端库
2023-03-27 13:30:09
1045
原创 【大数据Hadoop】HDFS-HA模式下ZKFC(DFSZKFailoverController)高可用主备切换机制
当一个NameNode被成功切换为Active状态时，它会在ZK内部创建一个临时的znode，在znode中将会保留当前Active NameNode的一些信息，比如主机名等等。当Active NameNode出现失败或连接超时的情况下，监控程序会将ZK上对应的临时znode进行删除，znode的删除事件会主动触发到下一次的Active NamNode的选择。根据检测出的不同状态之后，会调用enterState方法，在这个方法内部会触发相应状态的回调事件。这2个方法会在HDFS HA自动切换最后被调用。
2023-03-26 13:14:24
2662
原创 【大数据Hadoop】HDFS-HA模式下Checkpointer机制代码分析
Namenode一方面为了提供客户端的响应速度，另外一方面为了提高集群的可靠稳定性（断电后数据不丢失），所以在内存中存储全量的文件系统元数据，定期的将元数据信息持久化到磁盘中(fsimage_0000000000000102359)，对于此持久化时间点后产生的元数据操作（创建，修改，删除等），都会记录到edits_xxx-xxx文件中，对于正在执行元数据操作过程中的操作，会记录在一个edits_inprogress_xxxx文件中。此过程就是将 fsImage 上传给 active namenode节点。
2023-03-26 09:56:45
895
1
原创 【大数据Hadoop】HDFS-Namenode-bootstrapStandby同步元数据的源码步骤分析
为了使Standby节点的状态与Active节点保持同步，两个节点都与一组称为“ JournalNodes”(JNs)的独立守护进程进行通信。当主动节点执行任何名称空间修改时，它会持久地将修改记录记录到大多数JNs上。Standby 节点能够从 JNs 中读取edits，并不断观察它们对edits的更改。当 Standby Node 看到edits时，它将它们应用到自己的名称空间。
2023-03-24 16:09:47
1224
原创 【大数据Hadoop】HDFS-Namenode-format格式化的源码步骤分析
本文记录了hdfs在ha模式下的hdfs -format的操作流程，及源代码解读。了解namenode的初始化过程。
2023-03-21 00:25:31
2940
原创 【大数据】Hive系列之- Hive-分桶表
分桶是将数据集分解成更容易管理的若干部分的另一个技术。 分区针对的是数据的存储路径；分桶针对的是数据文件。
2023-03-15 13:15:00
347
原创 【大数据】Hive系列之- Hive-分区表(静态分区和动态分区)
分区表实际上就是对应一个 HDFS 文件系统上的独立的文件夹，该文件夹下是该分区所 有的数据文件。Hive 中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据 集。在查询时通过 WHERE 子句中的表达式选择查询所需要的指定的分区，这样的查询效率 会提高很多。
2023-03-15 09:15:00
797
原创 【大数据】Hive系列之- Hive-业务最常用的行转列CONCAT/列转行EXPLODE用法详解
concat_ws 它是一个特殊形式的 CONCAT()。分隔符可以是与剩余参数一样的字符串。解释：用于和 split, explode 等 UDTF 一起使用，它能够将一列数据拆成多行数据，在此 基础上可以对拆分后的数据进行聚合。COLLECT_SET(col)：函数只接受基本数据类型，它的主要作用是将某字段的值进行去重 汇总，产生 Array类型字段。)：返回输入字符串连接后的结果，支持任意个输入字符串;EXPLODE(col)：将 hive 一列中复杂的 Array 或者 Map 结构拆分成多行。
2023-03-14 22:47:57
316
原创 【大数据】Hive系列之- Hive-DDL 数据定义
Hive - DDL (Data Define Language) 数据定义语言:常用的有CREATE和DROP，用于在数据库中创建新表或删除表，以及为表加入索引等
2023-03-14 07:34:30
275
原创 【大数据】Hadoop-Yarn常用运维命令使用
使用yarn top命令查看，和linux的top类似。只有在任务跑的途中才能看到container的状态。
2023-03-14 07:30:00
882
原创 【大数据】HADOOP-YARN-ContainerExecutor容器启动器详解
这个执行器仅在GNU/Linux上支持。为了最大化安全，executor安装限制本地文件和被容器使用目录（如共享对象，jars，中间文件，日志文件等等）的权限和用户/组所属权。这里的组hadoop是NodeManager Unix用户（yarn）所属的组，并且组内没有非hadoop相关的用户，以防安全风险。在NodeManager中，会为每个Application，以及每个Container建立一个对应的目录，在每个Container的目录下，就放置了一些运行这个Container必需的信息。
2023-03-13 07:30:00
1831
原创 【大数据】Spark读取Hive/Hbase/Elasticsearch/Kafka/Mysql等数据源
Spark读取Hive/Hbase/Elasticsearch/Kafka/Mysql等数据源。
2023-03-13 07:00:00
485
原创 【大数据】HDFS管理员命令行(Administration Commands)详细使用说明
HDFS命令行使用说明文档，比如常见的 bin/hdfs dfs -ls /; bin/hdfs dfs -rm ; bin/hdfs fsck等等命令详解本文主要是hdfs 管理员的相关命令详解
2023-03-08 07:51:02
534
原创 【大数据】HDFS调试命令行(Debug Commands)详细使用说明
HDFS命令行使用说明文档，比如常见的 bin/hdfs dfs -ls /; bin/hdfs dfs -rm ; bin/hdfs fsck等等命令详解本章节主要讲述 bin/hdfs debug
2023-03-08 07:49:13
529
原创 【大数据】HDFS用户客户端命令行(User Client Commands)详细使用说明
HDFS命令行使用说明文档，比如常见的 bin/hdfs dfs -ls /; bin/hdfs dfs -rm ; bin/hdfs fsck等等命令详解
2023-03-08 07:47:36
1673
原创 【Hadoop源码】一篇文章带你熟悉解读 Namenode启动加载FsImage的过程
NameNode是HDFS中负责元数据管理的组件，它保存着整个文件系统的元数据信息，并且充当着指挥调度DataNode的作用。NameNode不仅在内存中保存着文件系统元数据信息，还会定期将文件系统的元数据（文件目录树、文件／ 目录元信息） 持久化到本地 fsImage 文件中， 以防止Namenode掉电或者进程异常崩溃。如果Namenode实时地将内存中的元数据同步到fsimage文件中， 将会非常消耗资源且造成Namenode运行缓慢。 所以Namenode会先将元数据的修改操作保存在editlog
2023-03-07 14:26:23
1062
原创 【大数据监控】Grafana、Spark、HDFS、YARN、Hbase指标性能监控安装部署详细文档
Grafana 是一款开源的数据可视化工具，使用 Grafana 可以非常轻松的将数据转成图表(如下图)的展现形式来做到数据监控以及数据统计。
2023-03-04 12:48:28
4052
3
原创 【大数据监控】Prometheus、Node_exporter、Graphite_exporter安装部署详细文档
Prometheus是一个开源的系统监控和报警系统，现在已经加入到CNCF基金会，成为继k8s之后第二个在CNCF托管的项目，在kubernetes容器管理系统中，通常会搭配prometheus进行监控，同时也支持多种exporter采集数据，还支持pushgateway进行数据上报，Prometheus性能足够支撑上万台规模的集群。
2023-03-03 19:34:22
3444
1
原创 【大数据】记一次hadoop集群missing block问题排查和数据恢复
记一次 Hadoop 集群 missing block 问题解决及排查思路，集群环境总共有2个NN节点，3个JN节点，40个DN节点，基于hadoop-3.3.1的版本。集群采用的双副本，未使用ec纠删码。因为出现了missing block块高于namenode安全模式启动的阈值，导致namenode起来一直处于安全模式。
2023-02-24 14:55:52
2719
原创 【容器】深入解析容器跨主机网络
在本篇文章中，我为你详细讲解了 Flannel UDP 和 VXLAN 模式的工作原理。这两种模式其实都可以称作“隧道”机制，也是很多其他容器网络插件的基础。比如 Weave 的两种模式，以及 Docker 的 Overlay 模式。此外，从上面的讲解中我们可以看到，VXLAN 模式组建的覆盖网络，其实就是一个由不同宿主机上的 VTEP 设备，也就是 flannel.1 设备组成的虚拟二层网络。对于 VTEP 设备来说，它发出的“内部数据帧”就仿佛是一直在这个虚拟的二层网络上流动。
2023-02-24 09:47:07
435
原创 【容器】学习docker容器网络
在今天这篇文章中，我主要为你介绍了在本地环境下，单机容器网络的实现原理和 docker0 网桥的作用。这里的关键在于，容器要想跟外界进行通信，它发出的 IP 包就必须从它的 Network Namespace 里出来，来到宿主机上。而解决这个问题的方法就是：为容器创建一个一端在容器里充当默认网卡、另一端在宿主机上的 Veth Pair 设备。上述单机容器网络的知识，是后面我们讲解多机容器网络的重要基础，请务必认真消化理解。
2023-02-24 09:43:54
331
原创 【容器】docker-compose一键启动mysql和nginx
docker-compose快速一键拉起mysql,redis,nacos,nginx,pgsql,zk快速搭建后端开发依赖组件（建议收藏哦）yum-util 提供yum-config-manager功能，另外两个是devicemapper驱动依赖的。下载 docker-compose 包，并加入到path里。具体的 docker-compose.yaml 文件如下。本文是基于arm 64 架构。
2023-02-22 10:03:01
608
原创 【数据库】MySQL概念知识语法-基础篇-事务，真的很详细，一篇文章你就会了
MySQL是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。MySQL 事务主要用于处理操作量大，复杂度高的数据。比如说，在人员管理系统中，你删除一个人员，你既需要删除人员的基本资料，也要删除和该人员相关的信息，如信箱，文章等等，这样，这些数据库操作语句就构成一个事务！
2023-02-21 11:31:10
438
原创 【数据库】MySQL概念知识语法-基础篇（DCL），真的很详细，一篇文章你就会了
MySQL是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。本文描述 DCL 数据控制语言语法，用来控制数据库/表及常见用户权限
2023-02-21 11:19:22
603
原创 【数据库】MySQL概念知识语法-基础篇（DQL），真的很详细，一篇文章你就会了
MySQL是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。本文描述 DQL 数据查询语言语法，用来查询数据库中表的记录
2023-02-21 10:58:45
789
原创 【大数据】Apache Spark 3.3.0 正式发布，新特性详解
Apache Spark 3.3.0 从2021年07月03日正式开发，历时近一年，终于在2022年06月16日正式发布，在 Databricks Runtime 11.0 也同步发布。PySpark 的 PyPI 月下载量已经迅速增长到2100万次，Python 现在是最流行的 API 语言。与去年同期相比，PySpark 的月下载量翻了一番。此外，Maven 的月下载量超过2400万次。Spark 已经成为最广泛使用的可伸缩计算引擎。
2023-02-18 12:06:23
1418
大数据组件-监控-spark-driver/executor性能的prometheus-grafana模板插件
2023-01-29
css20.chm中文手册
2015-02-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人