xiaoxiaohacker的专栏

原创 关于hive当中表的存储和压缩方式总结

这几天研究hive表的存储方式和压缩模式。在这里做一个简单的总结hive表的存储样例 ： 我的表：rp_person_house_loan_info 数据总量：1933776textfile： （1）hive数据表的默认格式，存储方式：行存储 。 （2）可使用Gzip,Bzip2等压缩算法压缩,压缩后的文件不支持split上面的数据存储格...

原创 记一次DataFrame未cache或persist的踩坑经历

实际踩的坑，业务逻辑很复杂，这里简单模拟描述下，现有hive表hive_tab，mysql表 mysql_tab，它们各自的数据如下： hive_tab mysql_tab ...

转载 Spark读写HBase实践

Spark经常会读写一些外部数据源，常见的有HDFS、HBase、JDBC、Redis、Kafka等。这些都是Spark的常见操作，做一个简单的Demo总结，方便后续开发查阅。1.1 maven依赖需要引入Hadoop和HBase的相关依赖，版本信息根据实际情况确定。 <properties> <hadoop.version>2.6.0-cdh5.7....

转载 Spark操作Hive分区表

原作者写的比较清楚了，特别是DDL建了表后，又用Spark向表里写数据常常写不进去，会报异常。原文地址：https://dongkelun.com/2018/12/04/sparkHivePatition/前言前面学习总结了Hive分区表，现在学习总结一下Spark如何操作Hive分区表，包括利用Spark DataFrame创建Hive的分区表和Spark向已经存在Hive分区表里插...

转载 Apache Kafka核心概念-多图-形象易懂（入门教程轻松学）

原文链接。https://blog.csdn.net/liyiming2017/article/details/82805479目录：kafka简介 kafka安装和使用 kafka核心概念 kafka核心组件和流程--控制器 kafka核心组件和流程--协调器 kafka核心组件和流程--日志管理器 kafka核心组件和流程--副本管理器 kafka编程实战本章是学习ka...

原创 Spark读取mysql大数据量最佳实践 备忘

受B站，大疆在git上代码泄露影响，公司网络干脆不能登git，也不能登开源中国的码云了 ，所以在CSDN这做做日常记录吧。至于最佳实践，噱头嘛~~~Spark读取关系型数据库，官方有API接口，如下： ①、SparkSession.read.jdbc(url, table, properties) ②、SparkSession.read.jdbc(url, table, c...

原创 mybatis generator 备忘

<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE generatorConfiguration PUBLIC "-//mybatis.org//DTD MyBatis Generator Configuration 1.0//EN" "http://mybatis.org/dtd/mybatis-generator-config_...

原创 SpringBoot中事务配置

SpringBoot创建的项目，默认没有事务，还是需要自己配，真是日了狗。还有那个启动类，对，就是包含main方法的那个类一定要放在包的最外层，最外层，最外层，不然有很多坑。包括但不限于不能扫描到你配置的类，连接ES时自定义接口无法自动注入等等。1.Xml方式跟Spring中差不多两步骤①.在resources文件夹下创建xml文件。例如：transaction.xml别问我为...

转载 MyBatis的一级缓存实现详解 及使用注意事项

0.写在前面MyBatis是一个简单，小巧但功能非常强大的ORM开源框架，它的功能强大也体现在它的缓存机制上。MyBatis提供了一级缓存、二级缓存 这两个缓存机制，能够很好地处理和维护缓存，以提高系统的性能。本文的目的则是向读者详细介绍MyBatis的一级缓存，深入源码，解析MyBatis一级缓存的实现原理，并且针对一级缓存的特点提出了在实际使用过程中应该注意的事项。...

转载 Spark on Yarn的运行原理

一、YARN是集群的资源管理系统1、ResourceManager：负责整个集群的资源管理和分配。2、ApplicationMaster：YARN中每个Application对应一个AM进程，负责与RM协商获取资源，获取资源后告诉NodeManager为其分配并启动Container。3、NodeManager：每个节点的资源和任务管理器，负责启动/停止Container，并监视...

转载 Spark 创建RDD、DataFrame各种情况的默认分区数

Spark 创建RDD、DataFrame各种情况的默认分区数2018-08-13Spark DataFrame Partition Rdd前言熟悉Spark的分区对于Spark性能调优很重要，本文总结Spark通过各种函数创建RDD、DataFrame时默认的分区数，其中主要和sc.defaultParallelism、sc.defaultMinPartitions以及HDF...

原创 ResultSet转换为DataFrame

但凡能这样写 val prop = new java.util.Properties prop.put("url", "jdbc:mysql://10.37.140.228:3306/dam?characterEncoding=UTF-8") prop.put("dbtable", "(select * from tableA where meta_create_ti...

原创 记一次yarn环境中应用程序jar冲突解决办法

用户编写的spark程序打包成jar后提交到yarn执行时，经常会遇到jar包中明显存在某个类，但任务提交到yarn运行时却找不到类或方法（java.lang.NoSuchMethodError）的问题。仔细看自己代码，明明有这个jar，那多半就是jar冲突了。只有当jar的版本不一致时候才会冲突，那么本着治本精神去百度，可以找到如下文章https://www.jianshu.com/p/...

转载 深入理解SpringMVC（经典好文系列）

转载的一篇文章，作者写的真的太好了，如果作者是个女的，我一定去日了她（三年起步）……深入理解Spring MVC 思想目录 一、前言二、spring mvc 核心类与接口三、spring mvc 核心流程图四、spring mvc DispatcherServlet说明五、spring mvc 父子上下文的说明六、springMVC-mvc.xml 配置文件片段讲解 七、spring mvc 如何...

原创 最新 eclipse 安装SVN插件

转载 log4j

一、Log4j简介Log4j有三个主要的组件：Loggers(记录器)，Appenders (输出源)和Layouts(布局)。这里可简单理解为日志类别，日志要输出的地方和日志以何种形式输出。综合使用这三个组件可以轻松地记录信息的类型和级别，并可以在运行时控制日志输出的样式和位置。1、LoggersLoggers组件在此系统中被分为五个级别：DEBUG、INFO、WARN、

原创 最新JavaEE版本安装tomcat插件

一些老版本的eclipse可以安装这个tomcat插件 com.sysdeo.eclipse.tomcat_3.3.1.jar。但对以下版本eclipse不适用，要用这个net.sf.eclipse.tomcat_9.0.1.jar插件才可以安装步骤：1.关闭eclipse2.下载net.sf.eclipse.tomcat_9.0.1.jar  (下载链接在文章后)3.找ecl

原创 工作了3年的JAVA程序员应该具备什么技能

首页 > 职场攻略 > 职场杂谈 > 正文工作了3年的JAVA程序员应该具备什么技能？来源：五百丁 作者：LZ 2016-03-18因为和同事有约定再加上LZ自己也喜欢做完一件事之后进行总结，因此有了这篇文章。这篇文章大部分内容都是面向整个程序员群体的，当然因为LZ本身是做Java开发的，因此有一部分内容也是专门面向咱们Java程序员

转载 Callable, Runnable比较及用法

Callable,Runnable比较及用法 |字号 订阅编写多线程程序是为了实现多任务的并发执行，从而能够更好地与用户交互。一般有三种方法，Thread,Runnable,Callable.Runnable和Callable的区别是，(1)Callable规定的方法是call(),Runnable规定的方法是run().(2)Calla

转载 Executors 框架

从JDK1.5开始，增加了一个执行并行任务的框架——Executor框架。框架在java.util.concurrent包中。Executor是框架中的一个接口，使用Executor可以同步或异步地执行任务。异步任务可以放在多线程中处理，但使用Executor比直接创建线程处理任务有很多好处，比如设置任务开始时间，取消任务队列，控制任务队列执行策略等，而且使用Executor可以很容易地创

转载 ThreadPoolExecutor 线程池 多线程

1.1 构造函数详解从 Java 5 开始，Java 提供了自己的线程池。线程池就是一个线程的容器，每次只执行额定数量的线程。 java.util.concurrent.ThreadPoolExecutor 就是这样的线程池。它很灵活，但使用起来也比较复杂，本文就对其做一个介绍。首先是构造函数。以最简单的构造函数为例：public　ThreadPoolExecutor(