- 博客(157)
- 资源 (5)
- 问答 (3)
- 收藏
- 关注
RSS订阅转载 Hive SQL的编译过程
Hive是基于Hadoop的一个数据仓库系统，在各大公司都有广泛的应用。美团数据仓库也是基于Hive搭建，每天执行近万次的Hive ETL计算流程，负责每天数百GB的数据存储和分析。Hive的稳定性和性能对我们的数据分析非常关键。在几次升级Hive的过程中，我们遇到了一些大大小小的问题。通过向社区的咨询和自己的努力，在解决这些问题的同时我们对Hive将SQL编译为MapReduce的过程有
2015-10-15 16:41:47
623
转载 flatmap详解
flatMapflatMap是一种常用的组合子，结合映射[mapping]和扁平化[flattening]。 flatMap需要一个处理嵌套列表的函数，然后将结果串连起来。scala> val nestedNumbers = List(List(1, 2), List(3, 4))nestedNumbers: List[List[Int]] = List(List(1, 2), Li
2015-10-08 13:04:24
9043
转载 VMWare虚拟机提示：锁定文件失败，打不开磁盘的解决办法
如果使用VMWare虚拟机的时候突然系统崩溃蓝屏，有一定几率会导致无法启动，会提示：“锁定文件失败，打不开磁盘...或它所依赖的某个快照磁盘，开启模块DiskEarly的操作失败，未能启动虚拟机”，这是因为虚拟机在运行的时候，会锁定文件，防止被修改，而如果突然系统崩溃了，虚拟机就来不急把已经锁定的文件解锁，所以你在启动的时候，就会提示无法锁定文件，如下图： 解决方法如下：
2015-09-15 11:48:13
41064
14
转载 flume入门教程
所用软件说明：一、什么是Apache Flume官网：Flume is a distributed, reliable, and availableservicefor efficientlycollecting, aggregating, and moving large amounts of log data. It has a simple and flexi
2015-09-15 01:07:08
829
原创 eclipse在centos下面崩溃
后面我在网上找到的解决办法是编辑eclipse.ini添加一个启动参数-Dorg.eclipse.swt.internal.gtk.cairoGraphics=false这个相当与禁用了carioGraphics
2015-09-14 21:09:58
860
原创 windows连接linux下面的软件乱码
乱码问题：Windows中的编码格式和Linux中的编码格式是不同的。在Linux中编写的代码如果包含中文，到Windows会变成乱码。Linux中支持中文字符。 yum install font-config-devel-yum install fonts-chinese-
2015-09-14 20:50:06
544
原创 xmanager 如何连接使用gui软件
但我的CentOS是无桌面环境的服务器系统，那怎么配置运行呢？步骤如下。首先，打开/etc/ssh/sshd_config，修改：X11Forwarding yesX11UseLocalhost yes然后重启sshd：service sshd restart重新登入ssh，若出现“WARNING! The remote SSH serv
2015-09-14 20:42:45
604
转载 MapReduce 二级排序
在这篇文章里，我们将继续实现《利用MapReduce玩转数据密集型文本处理》这本书中提到的算法。本系列的其它文章如下:利用MapReduce实现数据密集型文本处理利用MapReduce实现数据密集型文本处理 - 本地汇聚第二部分利用MapReduce实现共生矩阵(译者注: 共生矩阵，Co-Occurrence Matrix，见Wikipedia或百度)MapReduce算法 -
2015-09-08 18:28:27
526
转载 Hadoop安装配置
1、集群部署介绍 1.1 Hadoop简介 Hadoop是Apache软件基金会旗下的一个开源分布式计算平台。以Hadoop分布式文件系统（HDFS，Hadoop Distributed Filesystem）和MapReduce（Google MapReduce的开源实现）为核心的Hadoop为用户提供了系统底层细节透明的分布式基础架构。 对于Had
2015-09-08 15:20:30
519
原创 redis常用命令
./redis-cli -h node7 -p 6379 连接远程的redis数据库 ./redis-server ../redis.conf 启动redis 的server端redis帮助手册：http://redisdoc.com/SETNX用法：SETNX key value将 key 的值设为 value ，当且仅当 k
2015-09-07 19:29:05
368
原创 scala链接redis
package testscalaredisimport redis.clients.jedis._object TestScalaRedis { def main(args: Array[String]) { val jr:Jedis = null; try{ val jr = new Jedis("192.168.110.127", 6379);//
2015-09-07 19:07:11
3962
转载 kafka快速入门
Apache Kafka是一个分布式消息发布订阅系统。它最初由LinkedIn公司基于独特的设计实现为一个分布式的提交日志系统( a distributed commit log)，，之后成为Apache项目的一部分。Kafka系统快速、可扩展并且可持久化。它的分区特性，可复制和可容错都是其不错的特性。Apache Kafka与传统消息系统相比，有以下不同：它被设计为一个分
2015-09-03 16:35:23
445
转载 Hadoop中合并小文件
问题？每一个比block size小的文件都会消耗掉一个完整block的分配，但是磁盘空间的实际占用是基于文件的大小，而不要误认为小文件会消耗掉一整个块的存储空间。每个块都会消耗NameNode节点一定数量的内存。NameNode能够寻址固定数量的块个数，这需要视NameNode节点的内存大小而定。在Hadoop集群上的这些小文件会不断触及NameNode节点的内存
2015-09-01 16:15:03
6566
原创 如何设置hive与hbase同步
hive和hbase同步https://cwiki.apache.org/confluence/display/Hive/HBaseIntegration1、把hive-hbase-handler-1.2.1.jar cp到hbase/lib 下同时把hbase中的所有的jar，cp到hive/lib2、在hive的配置文件增加属性：hive.site.xmlhb
2015-08-30 14:03:28
1262
1
原创 计算广告学介绍
什么是广告？广告是由确定的出资人通过各种媒介进行有关产品（产品，服务，和观点）的，通常是有偿的，有组织的，综合的，劝服性的非人员的信息传播活动广告的主体？出资人即广告主，媒介（medium）,受众广告的本质功能？是借助某种有广泛受众的媒体力量，完成较低成本的用户接触（reach）广告的两种（品牌广告，效果广告）品牌广告：通过独特良好的品牌和产品形象，目的在于提升较长时间
2015-08-29 17:24:35
629
转载 linux常用命令
系统信息arch 显示机器的处理器架构(1)uname -m 显示机器的处理器架构(2)uname -r 显示正在使用的内核版本dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI)hdparm -i /dev/hda 罗列一个磁盘的架构特性hdparm -tT /dev/sda 在磁盘上执行测试性读取操作cat /proc/cpuinfo 显示C
2015-08-29 16:32:48
236
转载 github提交可能遇到的问题
Git Push(向远程Github提交本地代码)$ git push [email protected]:hepusheng/linux-2.6.11-study-note.git master // 把本地仓库提交到远程仓库的master分支中$ git remote add origin [email protected]:hepusheng/linux-2.6.11-study-not
2015-08-29 16:08:24
1148
转载 Eclipse配置GitHub代码库（以Windows7为例）
1.安装Git 首先安装git。这里只讲Windows环境下安装Git方法。 从Git下载git的Windows安装文件，一路Next到选择安装组件这一步： 选上Git Bash Here这一项，这样就有命令行可以用了。因为后面基本上不会用到Git自己的GUI。 文章出处：http://blog.csdn.net/twlkyao/articl
2015-08-29 16:02:29
418
原创 MapReduce实现推荐算法（同现矩阵*评分矩阵=推荐结果）
该讲主要是基于ItemCF的物品推荐。1，常用的两大协同过滤算法。a,基于物品的协同过滤算法基于item的协同过滤，通过用户对不同item的评分来评测item之间的相似性，基于item之间的相似性做出推荐。简单来讲就是：给用户推荐和他之前喜欢的物品相似的物品。b,基于用户的协同过滤算法UserCF基于用户的协同过滤，通过不同用户对物品的评分来评测用户之间的相似性，基于用
2015-08-29 14:54:03
4288
4
转载 eclipse里面使用github插件
1，检查Eclipse中是否已安装Git插件，菜单栏Help -> About Eclipse，查看是否有Git插件的图标。 Eclipse关联GitHub实现版本控制 2 现在的Eclipse下载后一般都提供Git插件了，若是没有Git插件,可以再eclipse 的market里面搜索egit插件安装，如果低版本的eclipse安装高版本的egit插件会报错，建议要么安装低版本的，要么去ec
2015-08-29 12:39:25
864
原创 Hbase优化
1，预分区。因为第一次建表的时候会自动创建一个region分区.如果再倒入数据的话，因为一开始没有数据，不会split切分，这样会对单个region server造成比较大的io开销，所以需要预分区。预分区可以根据热点范围的rowkey来制定分区策略。2，通过rowkey检索数据的时候，需要制定column，这个比较好理解，和关系型数据库的sql优化一样，select * from table
2015-08-25 19:20:19
572
原创 mapreduce读取hbase中表的数据，直接打印或者回传数据到hbase数据库表
package com.syyz.zjs;import java.io.IOException;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.hbase.HBaseConfiguration;import org.apache.hadoop.hbase.client.Put;import or
2015-08-25 18:58:07
987
转载 HBase表设计原则整理
1、列簇的设计 列簇尽量少，最好不超过3个。因为每个列簇是存在一个独立的HFile里的，flush和compaction操作都是针对一个Region进行的，当一个列簇的数据很多需要flush的时候，其它列簇即使数据很少也需要flush，这样就产生的大量不必要的io操作。在多列簇的情况下，注意各列簇数据的数量级要一致。如果两个列簇的数量级相差太大，会使数量级少的列簇的数据扫描效率低下。将经常
2015-08-24 16:03:55
804
转载 详细讲解Hadoop中的一个简单数据库HBase
HBase是 Hadoop中的一个简单数据库。它与Google的Bigtable特别相似，但也存在许多的不同之处。数据模型HBase数据库使用了和 Bigtable非常相似的数据模型。用户在表格里存储许多数据行。每个数据行都包括一个可排序的关键字，和任意数目的列。表格是稀疏的，所以同一个表格 里的行可能有非常不同的列，只要用户喜欢这样做。列名是“:”形式，其中和可以是任意字
2015-08-24 12:47:16
623
转载 Java集合类: Set、List、Map、Queue使用场景梳理
目录1. Java集合类基本概念2. Java集合类架构层次关系3. Java集合类的应用场景代码 1. Java集合类基本概念在编程中，常常需要集中存放多个数据。从传统意义上讲，数组是我们的一个很好的选择，前提是我们事先已经明确知道我们将要保存的对象的数量。一旦在数组初始化时指定了这个数组长度，这个数组长度就是不可变的，如果我们需要保存一个可以动态增长的数
2015-08-23 14:58:12
485
转载 hive优化
优化时，把hive sql当做map reduce程序来读，会有意想不到的惊喜。理解hadoop的核心能力，是hive优化的根本。这是这一年来，项目组所有成员宝贵的经验总结。 长期观察hadoop处理数据的过程，有几个显著的特征:1.不怕数据多，就怕数据倾斜。2．对jobs数比较多的作业运行效率相对比较低，比如即使有几百行的表，如果多次关联多次汇总，产生十几个jobs，没半小时
2015-08-23 13:59:03
233
转载 深入浅出数据仓库中SQL性能优化之Hive篇
一个Hive查询生成多个Map Reduce Job，一个Map Reduce Job又有Map，Reduce，Spill，Shuffle，Sort等多个阶段，所以针对Hive查询的优化可以大致分为针对MR中单个步骤的优化（其中又会有细分），针对MR全局的优化，和针对整个查询（多MR Job）的优化，下文会分别阐述。 在开始之前，先把MR的流程图帖出来（摘自Hadoop权威指南
2015-08-23 13:54:10
279
转载 sql优化
1.查询的模糊匹配尽量避免在一个复杂查询里面使用 LIKE '%parm1%'—— 红色标识位置的百分号会导致相关列的索引无法使用，最好不要用.解决办法:其实只需要对该脚本略做改进，查询速度便会提高近百倍。改进方法如下：a、修改前台程序——把查询条件的供应商名称一栏由原来的文本输入改为下拉列表，用户模糊输入供应商名称时，直接在前台就帮忙定位到具体的供应商，这样在调用
2015-08-23 13:37:37
270
转载 Hive SQL执行计划深度解析
阅读目录1.1 Join的实现原理1.2 Group By的实现原理1.3 Distinct的实现原理2.1 Phase1 SQL词法，语法解析2.2 Phase2 SQL基本组成单元QueryBlock2.3 Phase3 逻辑操作符Operator2.4 Phase4 逻辑层优化器2.5 Phase5 OperatorTree生成MapReduce Job的过程2.6 Phase6 物
2015-08-21 15:09:46
772
原创 mapreduce查询mysql表中记录数
package com.zjs.mr2;import java.io.IOException;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.In
2015-08-20 21:02:30
453
原创 Mapreducer天气排序，分区，分组，排序
package com.zjs.mr2;import java.io.IOException;import java.text.SimpleDateFormat;import java.util.Calendar;import java.util.Date;import org.apache.hadoop.conf.Configuration;import org.apache.h
2015-08-20 16:48:53
1373
原创 MapReducer实现单词计算
package com.zjs.mr;import java.io.IOException;import java.util.StringTokenizer;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Tex
2015-08-20 13:47:50
514
原创 MapReduce 查询mysql表中的数据，打印记录数，并转储回mysql表
package com.laoxiao.mr02;import java.io.DataInput;import java.io.DataOutput;import java.io.IOException;import java.sql.PreparedStatement;import java.sql.ResultSet;import java.sql.SQLEx
2015-08-19 20:35:02
510
转载 Hadoop 调试第一个MapReduce程序过程详细记录总结
开发环境搭建参考 Hadoop 在Windows7操作系统下使用Eclipse来搭建Hadoop开发环境>： http://www.linuxidc.com/Linux/2014-12/111061.htm1，程序代码如下：package wc;import java.io.IOException;import java.util.StringTokenizer;
2015-08-17 19:36:19
914
原创 替换centos的yum源
1，可以从阿里的镜像站点里面选中自己的linux版本：http://mirrors.aliyun.com/2，如果是centos可以参看以下方法：1、备份mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.backup2、下载新的CentOS-Base.repo 到/e
2015-08-16 10:56:39
451
原创 ConcurrentHashMap 初认识
1，ConcurrentHashMap是线程安全且高效的HashMap2,为什么要使用ConcurrentHashMap?因为在多线程环境下，使用HashMap进行put操作会引起死循环。HashTable使用synchronized来保证线程安全。但是在线程竞争激烈的情况下。HashTable的效率是很低的。3ConcurrentHashMap的锁分段技术4，Conc
2015-08-15 16:44:45
373
原创 Unable to load native-hadoop library for your platform... using builtin-java classes where applicab
出现上述问题主要是环境变量没设置好，在~/.bash_profile或者/etc/profile中加入以下语句就没问题了。 #vi /etc/profile或者vi ~/.bash_profile export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native export HADOOP_OPTS="-Djava
2015-08-14 13:03:43
740
转载 大型网站系统架构的演化
前言一个成熟的大型网站（如淘宝、京东等）的系统架构并不是开始设计就具备完整的高性能、高可用、安全等特性，它总是随着用户量的增加，业务功能的扩展逐渐演变完善的，在这个过程中，开发模式、技术架构、设计思想也发生了很大的变化，就连技术人员也从几个人发展到一个部门甚至一条产品线。所以成熟的系统架构是随业务扩展而完善出来的，并不是一蹴而就；不同业务特征的系统，会有各自的侧重点，例如淘宝，要解决海量的
2015-07-14 22:40:05
488
MapReduce 查询mysql表中的数据，打印记录数，并转储回mysql表
2016-01-10
web端怎么写手机短信推送，java的
2013-08-09
hql的一对多查询怎么做啊？
2013-08-09
TA创建的收藏夹 TA关注的收藏夹
TA关注的人