1、 数据采集（要求至少爬取三千条记录，时间跨度超过一星期）：（10分）（1） 源程序代码：# -*- coding: utf-8 -*-import urllib.requestimport jsonimport timeimport random def crawlProductComment(url): &nbs
升级主要分为两部分1.CM的升级、2.CDH的升级CM的升级###两种升级方法1.使用package
2.使用Tarballs升级方法，参照官方升级指引，Tarball中包含了Cloudera Manager Server和Cloudera Manager Agent
通常情况下升级CM和升级CDH是两个独立的过程，可以在不关闭CDH服务的情况下升级CM，然后再升级CDH，升级CM主要分为以下几
转载
2023-09-16 00:57:59
89阅读
【写在前面】本文是基于前文单机部署的基础上，扩展到kylin的集群部署模式。大数据平台使用的是金山云的大数据平台环境，本质也是CDH。如果想进行kylin的集群部署，需要先完成前文kylin多维数据分析(二)教程中的步骤噢。start01Kylin集群部署一、修改配置文件在完成前文的单机部署以后，就可以进行集群模式的在线扩展了。扩展前，需要明确即将安装的几台机器，哪个为主节点，哪几个为从节点。只有
转载
2023-07-04 14:26:55
138阅读
前言：网上也有很多关于CDH部署的相关文档，但由于基础环境的差异和软件安装方式的不同，其部署方式也大同小异，每篇文章都值得借鉴，但都不能完全照搬，只有自己亲自做了才知道所以然。建议在部署的时候遇到问题第一时间不是搜索而是先去看日志，提高自己解决问题的能力。 唯有实践才能出真理！！！一、基础环境规划1.1 软件版本操作系统： Centos7.4 64位
JDK：jdk1.8.0_181
Cloud
转载
2023-07-04 14:20:50
13阅读
简介：在我的CDH5.13集群中，默认安装的spark是1.6版本，这里需要将其升级为spark2.x版本。经查阅官方文档，发现spark1.6和2.x是可以并行安装的，也就是说可以不用删除默认的1.6版本，可以直接安装2.x版本，它们各自用的端口也是不一样的。这里做一下安装spark2.3版本的步骤记录。
一. 安装准备csd包：http://archive.cloudera.
转载
2024-03-08 16:41:16
74阅读
①csd包：http://archive.cloudera.com/spark2/csd/ 下载SPARK2_ON_YARN-2.2.0.cloudera1.jar②parcel包：http://archive.cloudera.com/spark2/parcels/2.2.0.cloudera1/ 下载SPARK2-2.2.0.cloudera1-1.cdh5
转载
2023-10-26 14:26:37
108阅读
【CDH CM版本5.13以下】解决「通过Parcel对spark2版本升级无法发现服务」问题前言现象报错报错原因新升级方案操作留档准备版本升级升级验证版本回退回退验证后记 前言公司对于CDH5.10(注意这个版本)有三个物理集群（非云服务，自有机房），其中两个作为生产，一个作为测试，。生产集群目前都处于满负荷运载的状态，随着业务数据增生，计算方面的瓶颈已较为明显。 对于生产集群的性能提升团队已
转载
2024-04-21 19:36:18
58阅读
Spark 上的 Hive 在提供相同功能的同时提供比 MapReduce 上的 Hive 更好的性能。在 Spark 上运行 Hive 不需要更改用户查询。具体来说，完全支持用户定义函数 (UDF)，并且大多数与性能相关的配置都使用相同的语义。 本主题介绍如何在 Spark 上配置和调整 Hive 以获得最佳性能。本主题假设您的集群由 Cloudera Manager 管理，并且您使用 YA
转载
2023-10-07 20:17:44
122阅读
Hive默认使用的计算框架是MapReduce，在我们使用Hive的时候通过写SQL语句，Hive会自动将SQL语句转化成MapReduce作业去执行，但是MapReduce的执行速度远差与Spark。通过搭建一个Hive On Spark可以修改Hive底层的计算引擎，将MapReduce替换成Spark，从而大幅度提升计算速度。接下来就如何搭建Hive On Spark展开描述
转载
2023-08-31 20:32:03
323阅读
目录?虚拟机Spark安装1、下载2、解压3、配置设置worker4.同步xsync5.启动spark6.浏览器查看?Vmware启动Spark?IDEA操作Scala集群操作打包数据分区股票价格波动? Spark SQL?Spark JDBC初步使用?Spark Streaming? 知识汇总第一章 Spark概述Spark的特点Spark生态圈Spark应用场景`第二章 Scala基础``匿
转载
2023-10-25 22:20:20
3阅读
CDH安装包下载地址：://archive.cloudera/cdh5/repo-as-tarball/5.3.2/ CDH5.3.2官方安装说明文档地址：://cloudera/content/cloudera/en/documentation/core/latest/topics/cdh_ig_cdh5_cluster_deploy.html :
转载
2023-12-05 23:44:41
86阅读
Step 1: 做下saveNamespace操作，停掉集群，并备份下 HDFS 的 Metadata 1.1 让namenode进入safe mode状态 $ bin/hadoop dfsadmin -safemode enter 1.2 执行saveNamespace操作 $ bin/hadoop dfsa
转载
2023-09-17 11:00:53
95阅读
第一章：CDH添加kafka服务1.1 在集群中add service第二章：Spark2部署第一章：CDH添加Kafka服务添加kafka服务的时候会跳出来一句话：Before adding this service， ensure that either the kafka parcel is activated or the kafka package is installed.那我们去哪儿
转载
2024-03-12 22:08:13
207阅读
目录Centos7下Spark安装第一步：软件下载或编译第二步：安装软件（1）上传文件（2）解压文件第三步：Spark的本地模式运行测试第四步：Spark服务WEB监控页面第五步：Spark核心概念简介 Centos7下Spark安装电脑系统：macOS 10.15.4虚拟机软件：Parallels Desktop14操作系统：CentOS 7JDK版本：jdk1.8.0_162Hadoop版本
转载
2023-07-04 14:29:02
110阅读
严格来说不是将spark1.6升级到spark2.3，而是安装一个新的spark2.3一、JDK1.7升级到JDK1.8由于之前CDH中安装了spark1.6，为了适配，我安装jdk1.7，但是在spark2.3中jdk1.7的支持已经被移除了，所以我们第一件事需要将jdk版本升级到jdk1.81、停掉所有节点的cloudera manager/opt/cm-5.15.0/etc/init.d/c
转载
2024-04-26 19:45:00
74阅读
本文主要记录从CDH4升级到CDH5的过程和遇到的问题，当然本文同样适用于CDH5低版本向最新版本的升级。1. 不兼容的变化升级前，需要注意 cdh5 有哪些不兼容的变化，具体请参考：Apache Hadoop Incompatible Changes。2. 升级过程2.1. 备份数据和停止所有服务2.1.1 让 namenode 进入安全模式在NameNode或者配置了 HA 中的 active
## 实现CDH版本的Spark
作为一名经验丰富的开发者，你需要教导一位刚入行的小白如何实现CDH版本的Spark。下面是整个过程的流程图：
```mermaid
stateDiagram
[*] --> 安装JDK
安装JDK --> 安装Hadoop
安装Hadoop --> 安装Spark
安装Spark --> 配置环境变量
配置环境变量 --
原创
2023-08-30 15:29:01
52阅读
概述本文讲述了RDD依赖的原理，并对其实现进行了分析。Dependency的基本概念Dependency表示一个或两个RDD的依赖关系。依赖(Dependency)类是用于对两个或多个RDD之间的依赖关系建模的基础（抽象）类。Dependency有一个方法rdd来访问依赖的RDD。当你使用transformation函数来构建RDD的血缘(lineage)时，Dependency代表了血缘图(li
转载
2023-09-03 10:58:29
49阅读
安装环境如下：操作系统：CentOs 6.5Hadoop 版本：cdh-5.3.0
Spark 版本：cdh5-1.2.0_5.3.0
1. 安装首先查看 Spark 相关的包有哪些： $ yum list |grep spark
spark-core.noarch 1.2.0+cdh5.3.0+364-1.cdh5.3.0.p0.36.el6 @cdh
spar
转载
2023-08-08 12:27:57
177阅读
