——spark

【基础知识】大数据概述

发展历程中国开源生态图谱2023参考内容中国开源生态图谱2023.pdf技术组件说明数据集成sqoop、dataX、flume数据存储hdfs、kafka数据处理mapreduce、hive、impala、spark
偏振万花筒·2023-12-15 12:39

高效压缩位图RoaringBitmap的原理与应用

目录位图法简述RoaringBitmap的思路Container原理ArrayContainerBitmapContainerRunContainer时空分析Container的创建与转换RBM的应用LuceneSparkGreenplumRedisTheEnd
zxfBdd·2023-12-15 08:23

RoaringBitMap在ClickHouse和Spark之间的实践-解决数据仓库预计算多维分析问题

前面在Spark多维分析去重计数场景优化案例中说了一下Spark计算在多维分析场景中的弊端，多维度分析会导致数据量指数级膨胀，搭配上去重计算字段越多，膨胀倍数也是线性增长，通过BitMap这个案例也更加让我们明白了
小满锅lock·2023-12-15 08:23

SparkSQL & ClickHouse RoaringBitmap64格式支持

ClickHouse新版使用roaring64map(https://github.com/RoaringBitmap/CRoaring/blob/af9fafb72edcfb88f7adc781eaea4e7e95f68d01/cpp/roaring64map.hh)来支持64位Int计算，采用了和之前不同的序列化和反序列化方式(https://github.com/ClickHouse/Cli
fz1989·2023-12-15 08:47

《PySpark大数据分析实战》-07.Spark本地模式安装

对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究，对Data
wux_labs·2023-12-15 07:31

【Spark精讲】Spark存储原理

目录类比HDFS的存储架构Spark的存储架构存储级别RDD的持久化机制RDD缓存的过程Block淘汰和落盘类比HDFS的存储架构  HDFS集群有两类节点以管理节点-工作节点模式运行，即一个NameNode
话数Science·2023-12-15 07:29

【Spark精讲】RDD特性之数据本地化

通过RDD的首选运行位置可以让RDD的某个分区的计算任务直接在指定的主机上运行，从而实现了移动计算而不是移动数据的目的，减少了网络传输的开销，如Spark中HadoopRDD能够
话数Science·2023-12-15 07:58

【Spark精讲】Spark任务运行流程

目录Spark任务执行流程编辑Client模式Cluster模式Yarn任务运行流程YARN-CLIENT模式YARN-CLUSTER模式编辑故障排查YARN-CLIENT模式导致的网卡流量激增问题YARN-CLUSTER
话数Science·2023-12-15 07:58

【Spark精讲】Spark作业执行原理

目录基本流程主要组件Driver端Executor端Job提交执行流程Task提交Task执行基本流程用户编写的Spark应用程序最开始都要初始化SparkContext。
话数Science·2023-12-15 07:58

【硬刚大数据】我们在学习Spark的时候，到底在学习什么？

很多小伙伴在群里或者私信留言问我关于Spark的学习路径问题。Spark发展至今，应该说已经
王知无(import_bigdata)·2023-12-15 07:27

Spark安装

本文搭建环境为：Mac+ParallelDesktop+CentOS7+JDK7+Hadoop2.6+Scala2.10.4+IDEA14.0.5——————————————————————————————————————————————————一、CentOS安装■安装完成后记得保存快照。■环境准备CentOS7下载：http://mirrors.163.com/centos/7/isos/x8
weixin_30755393·2023-12-15 07:27

新手入门：Spark 部署实战入门

Spark简介整体认识ApacheSpark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一。
weixin_34256074·2023-12-15 07:27

Spark Paimon 中为什么我指定的分区没有下推

目前使用的版本信息如下:Spark3.5.0Paimon0.6.0paimon的建表语句如下：CREATETABLE`table_demo`(`user_id`stringCOMMENT'fromdeserializer
鸿乃江边鸟·2023-12-15 07:51

关于新手入门：Spark 部署实战入门

Spark简介整体认识ApacheSpark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一。
IT资讯科技·2023-12-15 07:18

Spark on Yarn 安装配置实验（3.1.1）

子任务二：SparkonYarn安装配置本任务需要使用root用户完成相关配置，已安装Hadoop及需要配置前置环境，具体要求如下：1、从宿主机/opt目录下将文件spark-3.1.1-bin-hadoop3.2
芝士小熊饼干·2023-12-15 07:44

【Spark精讲】Spark Shuffle详解

目录Shuffle概述Shuffle执行流程总体流程中间文件ShuffledRDD生成Stage划分Task划分Map端写入(ShuffleWrite)Reduce端读取(ShuffleRead)SparkShuffle
话数Science·2023-12-15 07:14

Spark 单机搭建实战指南

摘要：本文将详细介绍如何在单台机器上搭建Spark分布式计算框架，涵盖环境准备、安装配置、运行测试等多个方面，帮助读者轻松上手Spark开发。
wcuuchina·2023-12-15 07:13

《PySpark大数据分析实战》-03.了解Hive

对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究，对Data
wux_labs·2023-12-15 06:42

每日一读 11.27

spark2：SparkSession思考与总结1http:/
Vicor·2023-12-15 06:12

Scala教程

1.1.4Scala语言特点1.2Scala环境搭建1.3IDEA中Scala插件安装1.4HelloWorld案例1.4.1创建IDEA项目工程第一章Scala入门1.1概述1.1.1为什么学习ScalaSpark
Tanzhiyong97·2023-12-15 05:34

Hive增强的聚合、多维数据集、分组和汇总

大家注意防寒保暖进入正题，本文主要对照Hive介绍Hive、Spark、Presto查询
对许·2023-12-15 04:17

Spark读写Hive

Spark读写Hive文章目录Spark读写Hive（一）配置本地域名映射（二）创建Hive表（三）IDEA中编写Spark代码读取Hive数据（四）IDEA中编写Spark代码写入数据到Hive（一）
叶子上的考拉·2023-12-15 02:25

spark 内核源码剖析五：Master主备切换机制原理

Spark高可用HA，是可以配置两个Master的，一个AcitveMaster，一个StandByMaster，当ActiveMaster节点挂掉的时候，可以将StandByMaster切换为ActiveMaster
雪飘千里·2023-12-14 23:08

Spark spark-submit提交Job流程 解读

Spark-spark-submit提交Job流程解读spark-submitspark-classload-spark-env.shorg.apache.spark.launcher.MainSparkSubmitCommandBuilderclass
姜上清风·2023-12-14 22:38

Spark config配置项 一览

Sparkconfig配置项一览env配置序列化配置Rpc.Nettyyarnlib中的jar和用户自己的高版本jar处理加载先后顺序（spark程序jar与sparklibjar冲突，加载顺序）广播内存划分
姜上清风·2023-12-14 22:07

Spark-BlockManager、BlockManagerSlaveEndpoint、DiskStore、MemoryStore、BlockInfoManager、BlockInfo 源码解析

Spark-BlockManager、DiskStore、MemoryStore、BlockInfoManager、BlockInfo源码解析classBlockInfo&ObjectBlockInfoclassBlockInfoManagerclassMemoryStore
姜上清风·2023-12-14 22:07

Spark-SparkSession.Builder 源码解析

Spark-SparkSession.Builder源码解析classBuilderSparkSessionExtensionsclassBuilder这个类主要用来builderSparkSession
姜上清风·2023-12-14 22:36

修改jvm对象的属性值(私有)

修改jvm对象的属性值(私有)这个想法的来源一个sparkjob在启动之后，就会确定executor的数量。
姜上清风·2023-12-14 22:59

spark 参数配置及内存模型

1spark提交主要参数1.1num-executors此数量代表spark的executors数量，所有的task在executor中运行。
peidezhi·2023-12-14 20:38

Pyspark中的滞后移位函数

在PySpark中，没有您预期的shift函数，并且您在使用lag时的方向是正确的。但是这里有一个小技巧，当你必须在lag_1的基础上进行lag_2等等。
小赵要加油·2023-12-14 19:24

汽车火花塞行业分析：全球市场需求量约为26.3亿个

火花塞(sparkplug)，俗称火咀，它的作用是把高压导线(火嘴线)送来的脉冲高压电放电，击穿火花塞两电极间空气，产生电火花以此引燃气缸内的混合气体。
QY调研所·2023-12-14 19:20

Spark Structured Streaming使用教程

文章目录1、输入数据源2、输出模式3、sink输出结果4、时间窗口4.1、时间窗口4.2、时间水印（Watermarking）5、使用例子StructuredStreaming是一个基于SparkSQL
penngo·2023-12-14 19:17

Spark SQL（八）：UDF和UDAF

用户自定义函数，其实更多的是针对单行输入，返回一个输出；UDAF：UserDefinedAggregateFunction，用户自定义聚合函数，可以针对多行输入，进行聚合计算，返回一个输出，功能更加强大；是从Spark1.5
雪飘千里·2023-12-14 19:09

Spark环境搭建和使用方法

目录一、安装Spark（一）基础环境（二）安装Python3版本（三）下载安装Spark（四）配置相关文件二、在pyspark中运行代码（一）pyspark命令（二）启动pyspark三、开发Spark
Francek Chen·2023-12-14 19:08

【python】多任务编程

多任务编程有哪些编程提速的方法单线程串行：不加改造的程序多线程并发：利用CPU和IO可以同时执行的原理，让CPU不会干巴巴等待IO完成多CPU并行/多进程：利用多核CPU的能力，真正的并行执行任务多机器并行：hadoop/hive/spark
小赵要加油·2023-12-14 19:33

openEuler JDK21 部署 Zookeeper 集群

zookeeper-jdk21操作系统：openEulerJDK：21主机名IP地址spark01192.168.171.101spark02192.168.171.102spark03192.168.171.103
李昊哲小课·2023-12-14 19:14

【Python百宝箱】数据巨轮启航：Python大数据处理库全攻略，引领数据科学新浪潮

往期相关链接：【Python百宝箱】构建强大分布式系统：探索PythonDask、Ray、Dask-ML、PySpark和
friklogff·2023-12-14 18:22

AI创作系统ChatGPT网站源码，AI绘画，支持GPT联网提问/即将支持TSS语音对话功能

一、AI创作系统SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统，支持OpenAI-GPT全模型+国内AI全模型。
白云如幻·2023-12-14 15:11

【Spark精讲】Spark内存管理

目录前言Java内存管理Java运行时数据区Java堆垃圾回收机制Executor内存管理内存类型堆内内存堆外内存内存管理模式静态内存管理统一内存管理编辑执行内存管理多任务间内存分配Shuffle的内存占用MemoryOverHead详解任务内存调节错误类型及调整方案1.ExecutorOOM类错误（错误代码137、143等）方式一：增加单个task的内存使用量方式二：降低单个Task的内存消耗量
话数Science·2023-12-14 13:52

Spark读写MySQL数据库

Spark读写MySQL数据库文章目录Spark读写MySQL数据库一、读取数据库（一）通过RDD的方式读取MySQL数据库（二）通过DataFrame的方式读取MySQL数据库二、添加数据到MySQL
叶子上的考拉·2023-12-14 13:45

Spark Dataset的实用操作笔记

最近的项目用spark做离线计算，所以有用到一些操作，简单笔记一下1.Dataset纵向复制数据当一个dataset中数据量太少，不能有效的随机联查别的dataset时，需要将数据纵向复制，把数据量撑起来
容若只如初见·2023-12-14 13:12

spark rdd和dataframe的区别，结合底层逻辑

在ApacheSpark中，RDD（ResilientDistributedDataset）和DataFrame是处理数据的两种不同的抽象。
三水青一人尤·2023-12-14 12:29

理解 Spark 写入 API 的数据处理能力

这张图解释了ApacheSparkDataFrame写入API的流程。它始于对写入数据的API调用，支持的格式包括CSV、JSON或Parquet。
小技术君·2023-12-14 12:23

Spark分布式内存计算框架

目录一、Spark简介（一）定义（二）Spark和MapReduce区别（三）Spark历史（四）Spark特点二、Spark生态系统三、Spark运行架构（一）基本概念（二）架构设计（三）Spark运行基本流程四
Francek Chen·2023-12-14 12:43

sparklyr: R interface for Apache Spark

关于sparklyr的一个简单的教程下载Sparklyrinstall.packages("sparklyr")下载sparklibrary(sparklyr)spark_install(version
Liam_ml·2023-12-06 23:16

SparkSQL运行流程浅析

写了有相当长一段时间的SparkSQL了，所以结合网上其他大神的分析，写一篇文章，谈谈我对SparkSQL整个运行流程的一个简单的理解。哈哈，毕竟程序员要做到知其然，还要知其所以然不是。
淡定一生2333·2023-12-06 21:08

Spark常见算子汇总

创建RDD在Spark中创建RDD的方式分为三种:从外部存储创建RDD从集合中创建RDD从其他RDD创建textfile调用SparkContext.textFile()方法，从外部存储中读取数据来创建
话数Science·2023-12-06 21:05

Spark面试题汇总

问题汇总SparkSQL调优：场景是怎样的？怎么发现的？怎么定位的？怎么解决的？达到了一个怎样的效果？引申下还有哪些更好的优化方案？UDF怎么管理的，如何避免重复的UDF的提交？
话数Science·2023-12-06 21:04

Spark宽依赖窄依赖的区别

定义：一般观点：窄依赖是子RDD的一个分区只依赖于父RDD的一个分区，即每个父RDD的分区最多被子RDD的一个分区使用；宽依赖是子RDD的一个分区依赖了父RDD的多个分区，即多个子RDD的分区数据依赖父RDD的同一个分区的数据。而实际上：窄依赖是父RDD的一个或多个分区的数据全部流入到子RDD的一个或多个分区；宽依赖是父RDD的每个分区的不同部分，分别流入到子RDD的不同分区。算子：窄依赖算子：m
话数Science·2023-12-06 21:04

如何设置和读取Spark配置

设置在SaprkConf中设置，如valconf=newSparkConf().setMaster("local").setAppName("Myapplication").set("spark.executor.memory
话数Science·2023-12-06 21:04
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他