在Shuffle Read阶段， 数据操作需要3个功能： 跨节点数据获取、 聚合和排序。 （1） 不需要聚合， 不需要按Key进行排序。 ，等待所有的map task结束后， reduce task开始不断从各个map task获取< K， V> record， 并将record输出到一个buffer中（大小为spark.reducer.maxSizeInFlight=4
大数据处理框架设计与实现 文章摘要
spark书籍文章摘要
RDD数据分区划分，分区依赖如何确定。宽窄依赖概念
高阶函数的基本概念
Scala中函数的基本使用
官网地址：https://nightlies.apache.org/flink/flink-docs-release-1.15/zh/docs/concepts/flink-architecture/Flink架构图：Flink架构剖析：Flink 运行时由两种类型的进程组成：一个 JobManager 和一个或者多个 TaskManager。Client&n
1.Spark是微批处理，Flink基于一个个事件流式处理 2.Spark是没有状态的， Flink基于状态编程，3.Spark是通过微批数据模拟流数据处理，秒级数据延迟；Flink 可以用流数据模拟批数据更好扩展4.时间机制：Spark Streaming 支持的时间机制有限，只支持处理时间。使用processing time模拟event time必然会有误差， 如果产生数据堆积的话
转载连接：https://cloud.tencent.com/developer/article/1337394一、前述Spark可以和Yarn整合，将Application提交到Yarn上运行，和StandAlone提交模式一样，Yarn也有两种提交任务的方式。二、具体 1、yarn-client提交任务方式配置 在client节点配
持续更新大数据中的SQL题总结
基本概念bitMap(位图)，即为bit的集合，是一种数据结构，可用于记录大量的0-1状态在在很多地方都会用到，比如Linux内核（如inode，磁盘块）、Bloom Filter算法等，其优势是可以在一个非常高的空间利用率下保存大量0-1状态。 原理： BitMap基本原理就是用一个bit存放某种状态，适用于大规模数据的去重，判断数据是否存在；举例：在Java里面一个int
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
