huni的博客

原创 spring boot整合prometheus

prometheus 整合 springboot

原创 【Clickhouse系列一】Clickhouse的概述

clickhouse 简介一

原创 shell中curl一个带变量json格式的post请求

shell curl 带变量的json格式的post请求

原创 clickhouse数据去重函数介绍（count distinct）

> clickhouse提供了许多的去重函数，有精确去重的以及非精确去重的，下面介绍下两种非精确去重函数：uniq、uniqHLL12、uniqCombined精确去重函数：uniqExact、groupBitmap

原创 clickhouse如何实现实现分区排序 类似HIVE的 row_number() over(partition by order by)函数

关于clickhouse如何实现分区排序 类似HIVE的row_number() over() 函数 实现，及几个clickhouse函数的解析

原创 由于自己粗心，flink多并行度进行状态编程场景下出现null异常

问题描述由于自己粗心，在flink程序中设置了并行度后，对数据进行keyby 进行状态编程时候，keyby对象和状态对象不是同一个导致keyby后的对象划分的分区与状态对象不一致而取不到，导致null异常。分析：由于使用的全局变量，然后在代码中粗心没区分。源码跟进流程：HeapValueState.updatepublic void update(V value) { if (value == null) { this.clear(); } else {

原创 DolphinScheduler 2.x版本在本地idea开发调试的环境配置

本地idea开发调试2.x版本的dolphinscheduler

原创 日志可视化平台（附源码）

简单版的日志可视化平台

原创 本地idea 调试Hadoop的mr任务（Windows环境）以及对应安装包的下载

本地运行调试 mr作业

原创 flink实时写入数据到 clickhouse 报错Could not initialize class ru.yandex.clickhouse.ClickHouseUtil

问题介绍：项目在使用clickhouse jdbc 将flink数据实时写入clickhouse时候，报错：Caused by: java.lang.NoClassDefFoundError: Could not initialize class ru.yandex.clickhouse.ClickHouseUtil解决：1.直接拿报错信息百度，没查到解决方法，只能自己在去想想办法了，最好的办法就是源码刚进去2.直接断点跟进源码 发现ClickHouseUtil 类下导入的包不存在，如图所示

原创 flink水印没有触发窗口结束计算问题详解

先说下水印的基本概念，对后面理解有帮助1.watermark特点1.watermark并不是event的一个属性， 而是一条特殊的数据记录（只用来触发窗口结束，不参与数据计算）2.watermark 必须单调递增，以确保任务的事件时间时钟在向前推进，而不是在后退（就算延迟数据到来了，比目前的水印小，他也不会倒退了，而是直接不赋值，return掉）在org.apache.flink.streaming.runtime.operators.TimestampsAndWatermarksOperator.

原创 数据治理平台对比及atlas的安装和介绍

第1节 数据治理平台对比目前数据治理的平台 开源并且有详细文档的话就三个Apache Atlas（Hortonworks） Atlas于2015年7月开始在Hortonworks进行孵化。 Atlas 1.0于2018年6月发布。git地址：https://github.com/apache/atlas官网：http://atlas.apache.org/DataHub (LinkedIn） LinkedIn开源出来的，原来叫做WhereHows 。经过一段时间的发展，datahub于2020

原创 kafka思维导图

原创 HTML+Nginx+ngx_kafka_module+Kafka

需求：使用Kafka做日志收集。需要收集的信息：1、用户ID（user_id）2、时间（act_time）3、操作（action，可以是：点击：click，收藏：job_collect，投简历：cv_send，上传简历：cv_upload）4、对方企业编码（job_code）说明：1、HTML可以理解为拉勾的职位浏览页面2、Nginx用于收集用户的点击数据流，记录日志access.log3、将Nginx收集的日志数据发送到Kafka主题：tp_individual架构：HTML+Ngi

原创 azkaban multiple-executor模式部署

1、下载源码git clone [email protected]:azkaban/azkaban.git或者wget https://github.com/azkaban/azkaban/archive/3.52.0.tar.gz 2、编译进入到下载的azkaban目录中进行编译：yum -y install git yum -y install gcc-c++# Build Azkaban./gradlew build（这一步需要等待的时间略久，需要提前安装git、gcc等软件，否则会

原创 redis集群搭建redisCluster及java连接集群

一：搭建redis5.0集群 redis-cluster 三主三从规划：linux121，linux122，linux123，各安装一主一从(注意集群创建时候需要redis中没有数据)1.创建目录,拷贝redis，并将slave中配置文件的port该为6380cd /opt/lagou/software/make install PREFIX=/opt/lagou/servers/redis-cluster/mastercp -r /opt/lagou/servers/redis/bin/redi

原创 大数据的一些文章记录(持续更新)

滴滴基于 Flink 的实时数仓建设实践

原创 zk报错：org.I0Itec.zkclient.exception.ZkMarshallingError: java.io.EOFException

当通过java获取zk节点下的数据时候报错：org.I0Itec.zkclient.exception.ZkMarshallingError: java.io.EOFException这是因为没有对数据进行序列化，这时我们可以自定义一个序列化的类（使用默认的SerializableSerializer()查看节点数据时，有可能会出现乱码），自定义序列化类，如下：public class ZkSerializer implements ZkSerializer { //序列化，数据--》byte[]

原创 impala三大组件

impala启动的时候就会吧hive的源数据信息抽取到catalog中，中间hive如果有跟新源数据，这时候impala是没有去获取的所以是无感知的。然后impala跟新源数据信息后会广播到其他impala中，所以其他impala知道，并且还会跟新到hive的源数据信息，所以hive也知道...

原创 Impala配置负载均衡后启动出现cannot bind socket [0.0.0.0:25003]

1.HAProxy⽅案安装haproxyyum install haproxy -y配置⽂件vim /etc/haproxy/haproxy.cfg具体配置内容listen impalashellbind 0.0.0.0:25003#ha作为proxy所绑定的IP和端⼝mode tcp#以4层⽅式代理，重要option tcplogbalance roundrobin#调度算法 ‘leastconn’ 最少连接数分配，或者 ‘roundrobin’，轮询分server impalash

原创 现有收集到用户的页面点击行为日志数据 对用户的日志数据打上会话内序号

业务背景现有收集到用户的页面点击行为日志数据，数据格式如下：user_id click_timeA,2020-05-15 01:30:00A,2020-05-15 01:35:00A,2020-05-15 02:00:00A,2020-05-15 03:00:10A,2020-05-15 03:05:00B,2020-05-15 02:03:00B,2020-05-15 02:29:40B,2020-05-15 04:00:00会话概念：用户的一次会话含义是指用户进入系统开始到用户离

原创 hadoop启动后没有DataNode节点启动

在学习impala时候配置了HDFS集群的短路读取后重启hdfs发现DataNode未启动,一直处于安全模式中查看DataNode日志java.io.IOException: The path component: '/var/lib/hadoop-hdfs' in '/var/lib/hadoop-hdfs/dn_socket' has permissions 0755 uid 993 and gid 991. It is not protected because it is owned by a