- 博客(67)
- 收藏
- 关注
RSS订阅原创 Mac上app重签名失败：main executable failed strict validation
在用自己生成的证书给app重签名时，遇到的一个坑。记录如下： /Applications/Navicat Premium.app/Contents/MacOS codesign -f -s '重签名Navicat' ./Navicat\ Premium./Navicat Premium: main executable failed strict validation解决方法：odes...
2018-12-14 16:52:00
2841
原创 FastJson序列号和反序列化范例(Java、Scala版)
目录1. Java版1.1 序列化 1.1.1 序列化一个普通对象 1.1.2 序列化和反序列化日期1.2 反序列化1.3 一些其他常用函数2. Scala版2.1 序列化2.2 反序列化 1. Java版1.1 序列化1.1.1 序列化一个普通对象存在空值时，有两种处理方法。// 正常对象User u =...
2018-08-03 15:23:05
1730
原创 hive合并小文件的配置项
〇. 启动压缩set hive.exec.compress.output=true;set mapreduce.output.fileoutputformat.compress=true; 一. 输入合并：当有大量小文件时，启动合并，减少map数。set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputF...
2018-07-19 17:09:33
4691
原创 Hive SQL转化为MapReduce执行计划深度解析
目录1. MapReduce实现基本SQL操作的原理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. SQL转化为MapReduce的过程2.1 Phase1 SQL词法，语法解析2.2 Phase2 SQL基本组成单元QueryBlock 2.3 Phase3 逻辑操作符Operator和逻辑操作树Operator...
2018-07-18 11:28:24
7995
3
原创 Hive创建自己的UDF并永久化详细记录
1.UDF是什么？hive的类SQL预发给数据挖掘工作者带来了很多便利，海量数据通过简单的sql就可以完成分析，有时候hive提供的函数功能满足不了业务需要，就需要我们自己来写UDF函数来辅助完成，下面用一个简单的例子说明过程，以及注意事项。UDF函数其实就是一个简单的函数，执行过程就是在Hive转换成mapreduce程序后，执行java方法，类似于像Mapreduce执行过程中加入一个插件，方...
2018-07-11 14:45:36
3042
原创 用分桶解决动态分区最后一轮reducer数量过少导致运行缓慢问题。
场景动态分区时，最后一轮reduce会按照字段的值作为key去分发数据到不同的reducer，但是如果分区值的数量过少，就会导致严重的数据倾斜。运行时间过长。任务growth.m_device_impression.sql中，由于p_app_name是分区字段，而目前只有三个可能的值，所以最后一轮按key分发任务时，只有三个reducer。其中某个值的那个reducer要跑一个小时。这是由于数据倾...
2018-07-10 18:14:05
1149
原创 Hive的WITH table_name AS ..语句优化性能
Hive的WITH语句会将表预先加载入内存，在以提高代码运行效率。一．WITH AS的含义WITH AS短语，也叫做子查询部分（subquery factoring），可以让你做很多事情，定义一个SQL片断，该SQL片断会被整个SQL语句所用到。有的时候，是为了让SQL语句的可读性更高些，也有可能是在UNION ALL的不同部分，作为提供数据的部分。特别对于UNION ALL比较有用。因为UNIO...
2018-07-09 14:44:39
7442
2
原创 小球染色问题总结-DP和递归
问题描述有一串长度为N的小球排成一排，要求将他们全部染色，共有k种颜色，但是不能出现连续三个及以上相同颜色的珠子。输入长度N和颜色种类K，求所有染色的方法总数。输入示例：2,3输出示例：9输入示例：3,2输出示例：6问题分析：排列问题暴力破解的时间复杂度为O(k^n)。可以考虑DP，因为第i个小球的颜色只受i-1和i-2小球颜色的影响。用dp[i-2]表示当染色到i...
2018-06-29 11:31:20
2660
原创 Hive数据去重方法记录
Hive数据去重语句insert overwrite table ad_click_info select t.ad_id,t.ad_date from ( select ad_id, ad_date , row_number() over(distribute by ad_id sort by ad_date ...
2018-06-26 15:57:25
3937
原创 Hive组件及Hive执行流程
1、组件：元存储（Metastore ）－存储“系统目录以及关于表、列、分区等的元数据”的组件。驱动（Driver ）－ 控制 HiveQL 生命周期的组件，当 HiveQL 查询穿过 Hive时。该驱动管理着会话句柄以及任何会话的统计。查询编译器（Query Compiler） － 是一个组件，将HiveQL编译成有向无环图（directed acyclic graph, DAG）形式的map/...
2018-06-21 18:02:46
2109
原创 Hive学习笔记——DDL和DML基础语句
1. DDL 操作：数据定义语音创建简单表hive> CREATE TABLE pokes (foo INT, bar STRING); 创建外部表：CREATE EXTERNAL TABLE page_view(viewTime INT, userid BIGINT, page_url STRING, referrer_url STRING, ip STRING CO...
2018-06-21 17:58:12
250
原创 hive的strict模式下where,group by,having,order by同时使用的执行顺序
主要限制三种情况(1) 有partition的表查询需要加上where子句，筛选部分数据实现分区裁剪，即不允许全表全分区扫描，防止数据过大(2) order by 执行时只产生一个reduce，必须加上limit限制结果的条数，防止数据量过大造成1个reduce超负荷(3) join时，如果只有一个reduce，则不支持笛卡尔积查询。也就是说必须要有on语句的关联条件，做自然连接。group by...
2018-06-20 14:41:00
1513
原创 JDBC处理事务
一、什么是事务？ 在人员管理系统中，你删除一个人员，你即需要删除人员的基本资料，也要删除和该人员相关的信息，如信箱，文章等等，这样，这些数据库操作语句就构成一个事务！二、事务是必须满足4个条件（ACID）事务的原子性（ Atomicity）：一组事务，要么成功；要么撤回。一致性 （Consistency）：事务执行后，数据库状态与其他业务规则保持一致。如转账业务，无论事务执行成功否，参与转账的两...
2018-06-20 14:30:25
222
转载 PrestoDB在京东的应用实践
京东商城集团运维部数据库工程师吕信在为大家分享了京东在PrestoDB方面的使用经验和研究工作。以下是吕信的演讲速记： 吕信：大家好，我是本次演讲的吕信，来自于京东商城运维部。在京东商城期间，其实在这三年内我主要是从事大数据相关的开发、调研和架构数据的工作，由于我之前是在京东商城主要负责京东商城整个的Hadoop的运维管理和架构升级与改造，后来京东商城有一个在大数据方面有一个战略调整，我们急需要...
2018-06-20 10:28:55
2322
翻译 HIVE和HBASE
1. 两者分别是什么？ Apache Hive是一个构建在Hadoop基础设施之上的数据仓库。通过Hive可以使用HQL语言查询存放在HDFS上的数据。HQL是一种类SQL语言，这种语言最终被转化为Map/Reduce. 虽然Hive提供了SQL查询功能，但是Hive不能够进行交互查询--因为它只能够在Haoop上批量的执行Hadoop。 Apache HBase是一种Key/Value...
2018-06-19 16:38:04
199
原创 Hive中SUM结果不对的Bug记录
SUM之后的结果变小sum一个表的结果，和直接sum子查询返回的结果不一致。检查发现是表使用了bigint字段，sum之后返回的数值是科学计数法，再转回bigint的时候会出错，返回null值。从而漏掉统计部分数据...
2018-06-19 14:27:19
4043
原创 Hive中GroupBy的实现原理
例子hive> SELECT * FROM logs;a 苹果 5a 橙子 3a 苹果 2b 烧鸡 1 hive> SELECT uid, SUM(COUNT) FROM logs GROUP BY uid;a 10b 1计算过程默认设置了hive.map.aggr=true，所以会在mapper端先group by一次，最后再把结果merge起来，为了减...
2018-06-19 14:24:12
2047
原创 Hive中索引，分区，分桶的对比
一、索引Hive支持索引，但是Hive的索引与关系型数据库中的索引并不相同，比如，Hive不支持主键或者外键。Hive索引可以建立在表中的某些列上，以提升一些操作的效率，例如减少MapReduce任务中需要读取的数据块的数量。为什么要创建索引？Hive的索引目的是提高Hive表指定列的查询速度。没有索引时，类似'WHERE tab1.col1 = 0' 的查询，Hive会加载整张表或分区，然后处理...
2018-05-30 15:06:59
1851
原创 ClickHouse REST API(HTTP接口)及Engine引擎的使用
1.访问接口ClickHouse 自己的 clickhouse-client 使用的是“原生”的 TCP 连接来完成与服务端的交互，而在应用中用它的话，它有实现一个 HTTP 的访问接口，把 SQL 语句通过 HTTP 发送到服务端，就可以得到响应数据了（其实不用担心效率问题，数仓场景下，这种传输成本相较于大数据量下的聚合计算挑战，直接就忽略吧）。默认配置下， HTTP 的服务是在 8123 端口...
2018-05-28 20:03:58
19706
1
原创 Hive中索引的使用及注意事项
索引的作用Hive支持索引，但是Hive的索引与关系型数据库中的索引并不相同，比如，Hive不支持主键或者外键。Hive索引可以建立在表中的某些列上，以提升一些操作的效率，例如减少MapReduce任务中需要读取的数据块的数量。在可以预见到分区数据非常庞大的情况下，索引常常是优于分区的。虽然Hive并不像事物数据库那样针对个别的行来执行查询、更新、删除等操作。它更多的用在多任务节点的场景下，快速地...
2018-05-24 16:43:21
17243
原创 Hive表保存数据到Excel做数据比对
由于工作需要，将一些数据库要从hive中迁移到clickhouse中，迁移完成后需要核对数据。在此记录将hive中和clickhouse中两张表做数据对比时遇到的一些问题。1.hive 保存数据hive保存数据用的是linux下的重定向。新建一个hive查询，通过>重定向到文件hive -e "select dt, count(*), sum(realcost) from tablename...
2018-05-24 14:43:12
2598
转载 在SublimeText中一键去掉所有注释
1、将下面的 Python 代码保存到 Packages/User 目录下（可以通过点击 Preferences -> Browse Packages 进入 Packages 目录，然后再进入 User 目录），并命名为 remove_comments.py。import sublime_plugin class RemoveCommentsCommand(sublime_plugin....
2018-05-23 10:46:20
4600
原创 Hive导入导出数据（本地，hdfs，其他表）
从本地导入hive> LOAD DATA LOCAL INPATH '/home/username/hivedata/source.txt' INTO TABLE tablename PARTITION(create_time='2018-01-01'); 导出到本地--不能使用insert into local directory来导出数据，会报错--只能使用insert overwri...
2018-05-22 11:22:40
2499
原创 Python单双三引号的使用
引号出问题，无非就是 发现有的时候需要转义。很麻烦。其实单引号双引号三引号都是拿来包裹字符串的。看到一篇博客中说的很有道理，适用于一般场景：如果你需要输入一段带单引号的字符串，那么使用双引号包裹字符串吧：s1 = "Let's go!"如果你需要输入一段带双引号的字符串，那么使用单引号包裹字符串吧：s2 = 'I love "L-O-V-E"!'如果你说，我全都要！我不仅要引号，我还要回车，我还...
2018-05-21 15:52:44
583
原创 hive跨库读取数据出现的bug记录
场景在mysql查询数据，并保存到临时文件。然后在hive中读取数据时，发现存在一个异常数据，其string类型字段的值都为字段名，double类型的字段的值都为0。分析原因应该是mysql保存数据时，保存了表头，然后hive读取时，将表头当做一条数据读取了。解决方案：LOAD DATA INFILE '/tmp/test.txt' INTO TABLE test IGNORE 1 LINES; ...
2018-05-15 09:59:56
1536
原创 Hive中JOIN的用法以及一些注意事项总结。
常见用法Hive表连接的语法支持如下：join_table: table_reference JOIN table_factor [join_condition] | table_reference {LEFT|RIGHT|FULL} [OUTER] JOIN table_reference join_condition | table_reference LEFT SEMI...
2018-05-15 09:52:39
6890
原创 Shell下关于时间和日期的函数总结
shell下获取系统时间的方法直接调用系统变量 获取今天时期：`date +%Y%m%d` 或 `date +%F` 或 $(date +%y%m%d) 获取昨天时期：`date -d yesterday +%Y%m%d` 获取前天日期：`date -d -2day +%Y%m%d` 依次类推比如获取10天前的日期：`date -d -10day +%Y%m%d` 或n天前的 `date -d "...
2018-05-11 10:26:51
1309
转载 Java8系列之重新认识HashMap
摘要HashMap是Java程序员使用频率最高的用于映射(键值对)处理的数据类型。随着JDK（Java Developmet Kit）版本的更新，JDK1.8对HashMap底层的实现进行了优化，例如引入红黑树的数据结构和扩容的优化等。本文结合JDK1.7和JDK1.8的区别，深入探讨HashMap的结构实现和功能原理。简介Java为数据结构中的映射定义了一个接口java.util.Map，此接口...
2018-04-16 15:03:57
125
原创 java技术面试基础知识点总结
建议点开目录先读题。目录1.面向对象和面向过程的区别2. Java的四个基本特性（抽象、封装、继承，多态）3. 重载和重写的区别4. 构造器Constructor是否可被override5. 访问控制符public,protected,private,以及默认的区别6. 是否可以继承String类7. String和StringBuffer、StringBuilde...
2018-04-12 16:20:14
411
转载 knn算法及其具体实现k-dtree
最近邻法和k-近邻法 下面图片中只有三种豆，有三个豆是未知的种类，如何判定他们的种类？ 提供一种思路，即：未知的豆离哪种豆最近就认为未知豆和该豆是同一种类。由此，我们引出最近邻算法的定义：为了判定未知样本的类别，以全部训练样本作为代表点，计算未知样本与所有训练样本的距离，并以最近邻者的类别作为决策未知样本类别的唯一依据。但是，最近邻算法明显是存在缺陷的，比如下面的例子：有一个未知形状(图中绿色...
2018-04-12 14:48:42
689
原创 kmeans算法及其改进算法K-means++,ISODATA和Kernel K-means
首先需要明确的是上述四种算法都属于"硬聚类”算法，即数据集中每一个样本都是被100%确定得分到某一个类别中。与之相对的"软聚类”可以理解为每个样本是以一定的概率被分到某一个类别中。先简要阐述下上述四种算法之间的关系，已经了解过经典K-means算法的读者应该会有所体会。没有了解过K-means的读者可以先看下面的经典K-means算法介绍再回来看这部分。 K-means与K-means++：原始K...
2018-04-12 14:41:08
11496
2
原创 Java基类和派生类中方法的执行顺序
这篇文章主要介绍了Java基类和派生类中各种方法的加载顺序（常见于面试题）,本文直接给出代码实例和运行结果,给后给出了加载过程总结,需要的朋友可以参考下。先放结论，总结如下：1. 构造类的实例对象前，先加载类本身。2.若要加载类A，则先加载执行其父类B)的静态变量以及静态语句块(执行先后顺序按排列的先后顺序)。然后再加载执行类A的静态变量以及静态语句块。(并且对于所有的A的对象，加载A（及B）只会...
2018-04-02 14:17:00
903
原创 18网易春招笔试题-牛牛的背包-记忆化搜索
/* 牛牛准备参加学校组织的春游, 出发前牛牛准备往背包里装入一些零食, 牛牛的背包容量为w。 牛牛家里一共有n袋零食, 第i袋零食体积为v[i]。 牛牛想知道在总体积不超过背包容量的情况下,他一共有多少种零食放法(总体积为0也算一种放法)。 输入描述: 输入包括两行 第一行为两个正整数n和w(1 <= n <= 30, 1 <= w <= 2 * 10^9),表示零食的数...
2018-03-28 17:47:33
1301
1
原创 LeetCode 接雨水 Trapping Rain Water 积水问题
中文题目使用两根指针：给定 n 个非负整数表示每个宽度为1的柱子的高度图，计算下雨之后能接多少水。给定 n 个非负整数表示每个宽度为1的柱子的高度图，计算下雨之后能接多少水。例如，输入 [0,1,0,2,1,0,1,3,2,1,2,1]，返回 6。上面的高度图由数组 [0,1,0,2,1,0,1,3,2,1,2,1] 表示，在这种情况下，可以接 6 个单位的雨水（蓝色部分）。英文题目Given n...
2018-03-28 13:41:05
5272
原创 2018年春招网易笔试题-数对问题o(n-k)解法
题目描述牛牛以前在老师那里得到过一个整数对（x,y），牛牛忘记他们具体是多少了，只记得老师说过，x和y均不大于n，且x%y不小于k，牛牛希望你能帮他计算一共有多少种可能的整数对。输入描述：两个整数n，k。其中1<=n<=10^5, 0<=k<=n-1输出描述：输出可能的正整数对的个数。思路：暴力破解所有整数对，需要o(n^2)，会超时。其实是个数学问题：1. y必然大于k，...
2018-03-28 11:41:11
882
原创 京东广告部散招面试
一面 先问了项目。关注了商秀app问题：Q：后台是如何将所有模板和实际图片作比对的。A：是用类似LRUcache的方式。最近访问的放队头。然后逐一比对。 然后问了Java相关的：Q：你对多线程并发编程了解多少？A：核心是通过锁的思想解决并发情况下的问题，乐观锁（其实不是加锁），悲观锁（真正的加锁）。回答了synchronized，violate 这俩关键字。回答了线程的几种状态。wai...
2018-03-27 17:30:42
915
2
原创 Spark和MapReduce的Shuffle比较。
熟悉 Hadoop MapReduce 中的 shuffle 过程，学习Spark的时候可能会按照 MapReduce 的思路去想象 Spark 的 shuffle 过程。然而，它们之间有一些区别和联系。 1.从整体功能上看，两者并没有大的差别。 都是将 mapper（Spark 里是 ShuffleMapTask）的输出进行 partition，不同的 partition 送到不同...
2018-03-26 20:43:21
1457
原创 11. 盛最多水的容器 Container With Most Water
中文题目：给定 n 个正整数 a1，a2，...，an，其中每个点的坐标用（i, ai）表示。 画 n 条直线，使得线 i 的两个端点处于（i，ai）和（i，0）处。请找出其中的两条直线，使得他们与 X 轴形成的容器能够装最多的水。注意：你不能倾斜容器，n 至少是2。英文题目：Given n non-negative integers a1, a2, ..., an, where each rep...
2018-03-26 20:13:03
635
转载 B树、B+树、B*树
第一节、B树、B+树、B*树1.前言：动态查找树主要有：二叉查找树（Binary Search Tree），平衡二叉查找树（Balanced Binary Search Tree），红黑树(Red-Black Tree )，B-tree/B+-tree/ B*-tree (B~Tree)。前三者是典型的二叉查找树结构，其查找的时间复杂度O(log2N)与树的深度相关，那么降低树的深度自然会提高查找...
2018-03-26 17:14:50
548
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人