Spark 是专为大规模数据处理而设计的快速通用的计算引擎，是apache的一个开源项目。是一种跟hadoop相似的通用分布式并行计算框架，但是两者之间还存在一些不同之处。spark是一种基于内存计算的分布式执行框架，在执行速度上大大优于hadoop.Spark的特点处理速度快
随着信息技术的发展，数据也以惊人的数据在增长，而数据处理的速度也成为人们越来越关注的话题。由于spark支持内存级计
转载
2023-07-04 09:38:40
104阅读
大数据平台开发架构知乎
随着大数据时代的到来，大数据平台的开发架构变得越来越重要。在这篇文章中，我们将介绍大数据平台开发架构的基本知识，并提供一些代码示例来帮助读者更好地理解。
大数据平台开发架构主要包括数据采集、数据存储、数据处理和数据展示四个模块。数据采集模块用于从各种数据源中收集数据，数据存储模块用于将数据保存到适当的存储系统中，数据处理模块用于处理和分析数据，数据展示模块用于展示处理结
Hadoop之HDFS1.Hdfs1.1 Hdfs的数据上传和读取过程1.1.1 hdfs写文件的步骤1.1.2 hdfs读文件的步骤1.2 JAVA如何读取HDFS1.3 HDFS上NameNode的fsimage和edits文件 说明，感谢亮哥长期对我的帮助，此处多篇文章均为亮哥带我整理。以及参考诸多博主的文章。如果侵权，请及时指出，我会立马停止该行为；如有不足之处，还请大佬不吝指教，以期
文章目录Spark 概述1. Spark 是什么2. Spark与Hadoop比较2.1 从时间节点上来看2.2 从功能上来看3. Spark Or Hadoop4. Spark4.1 速度快4.2 易用4.3 通用4.4 兼容5. Spark 核心模块5.1 Spark-Core 和 弹性分布式数据集(RDDs)5.2 Spark SQL5.3 Spark Streaming5.4 Spark
大数据平台用于处理低价值海量结构化数据、半结构化与结构化数据；其与数据仓库协同，支撑数据应用系统，弥补数据仓库的不足。从控制架构复杂度的角度考虑，应用系统应选择其主要数据源作为数据整合者，不同时与两者直接交互数据。传统数据仓库架构制约了数据存储能力和计算能力，为了应对这些问题，基于 Hadoop 的分布式数据仓库已经成为数据存储中广泛采用的事实标准。但 Hadoop 在 SQL 兼容性
这是我第一篇博客，大数据学习，这个系列将持续五个多月。写在前面Java是一门面向对象语言，不仅吸收了C++语言特点，而且摒弃了C++里难以理解的指针和多继承。 当然Java也有用来代替指针的地方——引用。Java里不能使用多继承，但是专门有一个代替多继承的东西叫做接口。 java中最小的程序单元是类，所有的执行都需要在类中完成。一个java文件中只有一个类使用public修饰，并且这个使用publ
转载
2023-05-23 14:55:25
35阅读
大数据平台架构如何进行 包括哪些方面【导语】大数据平台将互联网使用和大数据产品整合起来，将实时数据和离线数据打通，使数据能够实现更大规模的相关核算，挖掘出数据更大的价值，然后实现数据驱动事务，那么大数据平台架构如何进行?包括哪些方面呢?1、事务使用：其实指的是数据收集，你经过什么样的方法收集到数据。互联网收集数据相对简略，经过网页、App就能够收集到数据，比方许多银行现在都有自己的App。更深层次
转载
2023-05-26 15:07:44
226阅读
要获取更多Jerry的原创文章，请关注公众号"汪子熙":
原创
2021-07-16 09:52:36
378阅读
在大数据系统中，我们往往无法直接对在线系统中的数据直接进行检索和计算。在线系统所使用关系型数据库、缓存数据库存储数据的方式都非常不同，很多存储系统并不适合分析型（OLAP）的查询，也不允许分析查询影响到在线业务的稳定性。从数仓建设的角度思考，数据仓库需要依赖于稳定和规范的数据源，数据需要经过采集加工后才能真正被数仓所使用。推动数据同步服务的平台化，才有可能从源头规范数据的产出。数据同步服务不像数据
Redis学习结构 Redis基础Redis概述Redis是一个开源，先进的key-value存储，并用于构建高性能，可扩展的应用程序的完美解决方案。Redis从它的许多竞争继承来的三个主要特点：ØRedis数据库完全在内存中，使用磁盘仅用于持久性。Ø相比许多键值数据存储，Redis拥有一套较为丰富的数据类型。ØRedis可以将数据复制到任意数量的从服务器。Redis 优势Ø异常快速：R
首先需要明确的是，spark的作者Matei Zaharia提出的应该是一个名为弹性分布式数据集的概念，即为RDD。而所谓的spark，是一个基于scala的框架，是RDD抽象概念的实现。有了这个前提，我们可以开始正式地学习RDD和spark。
一、 RDD概述：
从形式上看，RDD是一个可分区的只读记录集合，创建RDD的方法只有两种：1、通过从稳定的存储器，比如硬盘上读取。
Spark：1.Spark中的shuffle有哪些？
1.1.最早的Hash Based Shuffle（2.0以上被弃用）
每个Mapper对每一个Reducer都会创建相应的bucket，bucket数量为
Mapper个数×Reducer个数。缺点是会产生太多小文件，后面将一个core上的
多个Mapper的输出合并到同一个文件，bucket数量变为c
文章目录先决条件系统要求安装步骤步骤1：下载步骤2：解压缩步骤3：创建目录步骤5： 配置环境变量步骤6：Hadoop在Windows下的工具包下载步骤7：将工具包放在正确位置步骤8：安装javaJava安装步骤：（已安装可跳过）测试Java安装：（已安装可跳过）测试安装结果：从Windows 10系统中卸载Spark：删除系统/用户变量步骤： Apache Spark是一个快速通用的集群计算系
大数据又称黑暗数据，是指人脑无法处理的海量数据聚合成的信息资产，在民生、IT、金融、农业、通信等方面都有广泛应用。未来5年大数据行业呈井喷趋势，人才需求火爆，2018年大数据人才缺口更是高达900万。以后想要做大数据相关的工作，需要学习哪些技术知识?罗马不是一天建成的，大数据工程师也不是短时间能锻造的。想要成为大数据开发工程师，也要看你是否骨骼惊奇，天赋过人!在学习大数据之前，你还需要有一定的基础
转载
2023-08-14 12:36:51
0阅读
一、python简介1、python下载地址：https://www.python.org/downloads/Python的创始人为Guido van Rossum。1989年圣诞节期间，在阿姆斯特丹，Guido为了打发圣诞节的无趣，决心开发一个新的脚本解释程序，做为ABC 语言的一种继承。之所以选中Python（大蟒蛇的意思）作为程序的名字，是因为他是一个叫Monty Python的喜剧团体的
转载
2023-08-06 15:48:42
156阅读
这是一篇 Python 入门指南，针对那些没有任何编程经验，从零开始学习 Python 的同学。不管你学习的出发点是兴趣驱动、拓展思维，还是工作需要、想要转行，都可以此文作为一个参考。在这个信息爆炸的时代，以 "Python入门” 为关键字搜索出的结果成千上万。不少小白选手难免会东一榔头西一棒槌，最终看了很多文章，却仍没跨过新手那道门槛。结合自身的学习经验以及与很多自学者的沟通了解，我们整理出一条
转载
2023-07-23 19:05:58
0阅读
数据治理和机房迁移过程中遇到的问题怎么解决？
原创
2022-05-25 13:47:30
160阅读
数据治理和机房迁移过程中遇到的问题怎么解决？
原创
2022-05-25 13:48:16
232阅读
一文搞懂IPD1.IPD是什么集成产品开发（Integrated Product Development，IPD）是一套先进的、成熟的研发管理思想、模式和方法。IPD is a systematic approach to product development that achieves atimely collaboration of necessary disciplines through
闲来无事，想爬一下知乎热榜，说到爬虫肯定会想到python，那就试试看吧本文记录下爬知乎热榜的过程，说实话也算不上是爬虫，毕竟分析过程中发现其实知乎本身就给了接口了，不过也能作为分析爬虫的一个参考吧因为自己的“瞎搞”，现在是用python爬取数据并存入SQLite，毕竟在数据库里想怎么查都方便，后来为了做成一个接口随时可以爬取，还用php去调python来执行（好了别吐槽了=。=），其实代码也很简
转载
2023-08-02 22:55:39
0阅读
