- 博客(32)
- 收藏
- 关注
RSS订阅
原创 mysql索引B+树可视化演示地址
https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html
2024-06-13 11:32:33
234
原创 还在纠结两种数仓建模的理论模式吗？一文帮你搞懂
企业数据仓库是企业信息化工厂的枢纽，是原子数据的集成仓库，从各种操作系统集成而来，包含一个确定的的且一致的业务活动表示法，基于原子数据的性质，该仓库尽可能地包括最底层的细节数据;企业数据仓库通常存储于关系型数据库管理系统中华，并且Inmon主张使用第三范式进行数据库设计。
2024-01-29 16:06:56
393
原创 Spark物理执行计划生成方法
Spark具体采用3个步骤来生成物理执行计划：首先根据action（）操作顺序将应用划分为作业（job），然后根据每个job的逻辑处理流程中的ShuffleDependency依赖关系，将job划分为执行阶段（stage）。最后在每个stage中，根据最后生成的RDD的分区个数生成多个计算任务（task），具体如下所述。
2024-01-26 15:05:03
662
1
原创 kafka面经
消费者组：由多个消费者组成，消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费，消费者组之间互不影响，所有的消费者者都属于某个消费者组分区：一个topic可以分布到多个服务器上，一个topic可以分为多个partition副本：一个topic的每个分区都有若干个副本、一个Leader（副本的主）和若干个Follower生产者发送原理：涉及两个线程，main和sender，在main中创建了一个双端队列（RecordAccumulator）。
2023-11-28 15:27:52
212
原创 Kafka基础
当一个消费者被关闭或者发生崩溃时候，就离开群组，原本由它读取的分区将由群组里的其他消费者来读取，这样的行为被称为再均衡，在再均衡期间，消费者无法读取消息，消费者通过向被指派为群组协调器的broker发送心跳，证明自己还活着，如果超过时间没有报告心跳信息，则被判定为死亡，就会触发再均衡。1、kafka可以保证分区消息的顺序，如果使用同一个生产者往同一个分区写入消息，而且消息B在消息A之后写入，那么kafka可以保证消息B的偏移量比消息A的偏移量大，而且消费者会先读取消息A再读取消息B。
2023-11-28 15:25:52
71
原创 Kafka分区分配
进行分区的键，如果key不为null，则会默认的分区器会对key的哈希取余，将结果传入到对应的分区中，若key为null，那么消息将会以轮询的方式发往主题内的各个可用的人分区。RangeAssignor：是按照消费者总数和分区总数继续宁整除运算得到一个跨度，然后将分区按照跨度进行平均分配，以保证分区尽可能均匀地分配给所有的消费者。分区分配是一个很重要的概念，当遇到分区分配时候，有三个重点——生产者发送消息、消费者消费消息、创建主题。注意：分区是在主题下有的，副本是对于分区而言的。
2023-11-28 15:21:02
78
原创 关于kafka报错“不能找到路由”Closing socket connection. Attempting reconnect except it is a SessionExpiredExcept
最后发现是三台机器之间的防火墙没有完全关闭，最后关闭三台机器的防火墙，最终kafka正常，zk正常。以为是kafka版本的问题，然后就各种安装各种版本的kafka，最后还是报错 —“不能找到路由”当启动kafka时候，一直报错不能找到路由，
2023-10-20 15:30:49
646
1
原创 [满满的干货]大数据生态中间件常见问题描述
2.第二个是选择把什么数据输出到硬盘上，spark会根据数据计算的血缘，来判断某一个RDD对于前置数据是宽依赖还是窄依赖，如果是宽依赖，意味着一个节点的故障，可能会导致大量的数据要进行重新计算，乃至数据网路传输的要求。1.第一个是数据存储上，数据不再是存放在硬盘上，而是可以缓存在内存中，只有当内存不足的时候，才会存储在硬盘上，同时，数据的持久化，也支持硬盘，序列化后的内存存储，以及序列化后java对象的内存存储三种形式，每一种都比另一种占用更多的内存，但计算速度更快。
2023-09-14 16:59:11
341
1
大数据开发面试题，吐血整理
2024-05-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人