文章目录0 案例实操一. 序列化二. 闭包 closure三. 序列化3.1 Kryo序列化框架三. 依赖关系NarrowDependency 窄依赖ShuffleDependency 宽依赖Dependency总结 0 案例实操统计每一个省份每个广告被点击数量排行TOP 把省份 ，广告 包在一起转换一下，把省份单独列出来（河北省，bbb）,2 ----------->
Hadoop+spark集群搭建 说明：本文档主要讲述hadoop+spark的集群搭建，linux环境是centos，本文档集群搭建使用两个节点作为集群环境：一个作为Master节点，另一个作为Slave节点，由于spark依赖scala，所以需要安装scala搭建步骤：一：安装jdk二：安装hadoop集群（http://www.powerxing.com/install-
转载
2023-09-14 08:35:25
169阅读
Hadoop HA高可用+Zookeeper搭建简介本篇介绍在VMware+CentOS 7.4环境上搭建Hadoop HA+Zookeeper。Hadoop集群分布如下：编号主机名namenode节点zookeeper节点journalnode节点datanode节点resourcemanager节点1master1√√√√2master2√√√√3slave1√√√4slave2√使用软件版本
转载
2023-08-21 10:35:56
73阅读
ZooKeeper 是一个面向分布式系统的构建块。当设计一个分布式系统时，一般需要设计和开发一些协调服务：名称服务— 名称服务是将一个名称映射到与该名称有关联的一些信息的服务。电话目录是将人的名字映射到其电话号码的一个名称服务。同样，DNS 服务也是一个名称服务，它将一个域名映射到一个 IP 地址。在分布式系统中，您可能想跟踪哪些服务器或服务在运行，并通
# Spark与Hadoop版本依赖
在大数据生态系统中，Apache Spark和Apache Hadoop是两个广泛使用的框架。它们虽然可以独立运行，但在许多应用场景中，它们是协同工作的。要在使用Spark时充分利用Hadoop的功能，了解它们之间的版本依赖是至关重要的。
## Spark与Hadoop的版本兼容性
Spark依赖于Hadoop的一些组件，比如HDFS（Hadoop分布式
原创
2024-08-11 04:04:54
45阅读
到 Github 下载支持 Hadoop 2.5 及其之前版本的 Spark 2.2.1 ：https://github.com/397090770/spark-2.2-for-hadoop-2.2Apache Spark 2.2.0 于今年7月份正式发布，这个版本是 Structured Streaming 的一个重要里程碑，因为其可以正式在生产环境中使用，实验标签（expe
转载
2024-06-12 00:17:26
13阅读
搭建Hadoop集群 搭建Hadoop集群请参考博文《Hadoop集群搭建及wordcount测试》，在此不再赘述。安装Scala 在scala官网下载合适的版本，将scala安装包拷贝到linux安装目录，执行解压缩命令进行安装：sudo tar -zxvf scala-2.11.7.tgz -C /usr/opt/spark解压缩完成后，进入etc目录，修改profile，追加以下内容ex
转载
2023-10-16 12:46:10
126阅读
Win10 Hadoop2.7.1+Spark2.2.0+Scala2.11.11 环境搭建与测试一、文件准备1.apache-maven-3.2.5.zip说明：用于构建Maven项目链接：https://pan.baidu.com/s/1t3o3d-20dC7rUrV3fQSPPA bd
一、RDD依赖关系
### --- RDD依赖关系
~~~ RDD只支持粗粒度转换，即在大量记录上执行的单个操作。
~~~ 将创建RDD的一系列Lineage(血统)记录下来，以便恢复丢失的分区。
~~~ RDD的Lineage会记录RDD的元数据信息和转换行为，
~~~ 当该RDD的部分分区数据丢失时，可根据这些信息来重新运算和恢复丢失的
转载
2023-12-25 23:19:24
41阅读
2分钟读懂Hadoop和Spark的异同2016.01.25 11:15:59 来源: 51cto 作者:51cto ( 0 条评论 ) 谈到大数据，相信大家对Hadoop和Apache Spark这两个名字并不陌生。但我们往往对它们的理解只是提留在字面上，并没有对它们进行深入的思考，下面不妨跟我一块看下它们究竟有什么异同。解
转载
2024-08-02 14:35:16
13阅读
一、伪分布安装Spark 安装环境： Ubuntu 14.04 LTS 64位+Hadoop2.7.2+Spark2.0.0+jdk1.7.0_76
linux下的第三方软件应该安装在/opt目录下，约定优于配置，遵循这一原则是良好的环境配置习惯。所以这里安装的软件都在/opt目录下。
1、安装jdk1.7
（1）下载jdk-7u76-linux-x64.tar.gz；
转载
2024-01-08 12:44:05
54阅读
## Spark Hadoop依赖的实现流程
为了帮助小白实现"Spark Hadoop依赖"，我将给出以下步骤：
```mermaid
flowchart TD
A[创建Spark项目]
B[添加Spark依赖]
C[添加Hadoop依赖]
D[编写Spark代码]
E[运行Spark应用]
```
### 1. 创建Spark项目
首先，我们需要
原创
2023-12-04 05:14:27
156阅读
我觉得，要想正确理解一门技术，一定要理解它产生的背景，解决的问题。背景一：世界需要更多的计算能力信息技术时代的基石是建立在“计算”之上的。以搜索引擎为例，早期的搜索引擎是人工分类索引的，类似黄页，但是随着网站数量的增多，人工索引的工作量变得巨大，而且更新时效低得难以忍受了。后来的一波搜索引擎都采用了由计算机算法自动索引，查找相关文档，并排序展示的方式。这种方式就导致了对计算能力的巨大需求，类似的趋
转载
2024-10-12 14:25:32
78阅读
在基于Hadoop集群的大规模分布式深度学习一文中，雅虎介绍了其集Caffe和Spark之长开发CaffeOnSpark用于大规模分布式深度学习，并向github.com/BVLC/caffe贡献了部分代码。现在，雅虎机器学习团队又在这篇tumblr文章上宣布将整个CaffeOnSpark开源作为Spark的深度学习包。Github：yahoo/CaffeOnSpark（Apache 2.0 li
转载
2024-07-26 16:57:46
28阅读
环境说明centos 7.5spark-2.1.1Spark 内置模块Spark local 模式安装直接解压即可，无需配置（spark-2.1.1-bin-hadoop2.7.tgz 集成hadoop环境包 ）local 模式下测试# 提交任务 使用spark案例 计算pi
bin/spark-submit --master local[20] \
--class org.apache.spar
转载
2023-10-16 02:32:26
83阅读
# Spark 是否依赖 Hadoop
Apache Spark 是一个强大的分布式计算框架，广泛应用于大数据分析和处理。而在讨论 Spark 的架构时，很多人都会问：Spark 是否依赖于 Hadoop？答案并不简单。本文将深入探讨 Spark 的设计理念以及它与 Hadoop 的关系，最终帮助你更好地理解这两者之间的联系。
## Spark 和 Hadoop 的基本概念
在深入了解关系之
原创
2024-09-28 03:59:54
86阅读
环境准备一共4台虚拟机，模拟HA环境，供学习用 IPZKNMRMDNVm1192.168.31.150YYY Vm3192.168.31.152YY YVm4192.168.31.153Y YYVm5192.168.31.154 YYY 所需软件jdk 1.8, zk 3.7, hadoop-3.2.1 这些都可以从官网下载安
转载
2023-11-15 14:07:54
116阅读
这两天在搭建Hadoop与Spark的平台，要求是能够运行Spark，并且用python编程。笔者也不打算写一个很详细的细节教程，简单做一个笔记blog。1.选择 笔者一开始是在虚拟机上搭建的，创建了三个ubuntu虚拟机，然后开始布置分布式系统，但是，后来发现，资源完全不够用。笔者台式机16G内存，2T硬盘，i7第四代处理器，然而，还是被ha
转载
2023-08-29 17:05:02
89阅读
一、实现原理的比较 （1）Hadoop和Spark都是并行计算，两者都是用MR模型进行计算 （2）Hadoop一个作业称为一个Job，Job里面分为Map Task和Reduce Task阶段，每个Task都在自己的进程中运行，当Task结束时，进程也会随之结束； （3）Spark用户提交的任务称为application，一个application对应一个SparkContext，app中存在多个
转载
2023-07-12 11:26:31
104阅读
Hive这个框架在Hadoop的生态体系结构中占有及其重要的地位，在实际的业务当中用的也非常多，可以说hadoop之所以这么流行在很大程度上是因为hive的存在。那么Hive究竟是什么，为什么在Hadoop家族中占有这么重要的地位，本篇文章将围绕Hive的体系结构(架构)、Hive的操作、Hive与Hbase的区别等对Hive进行全方面的阐述。
转载
2023-08-25 07:44:44
25阅读
