大数据计算-MapReduce

Hadoop-MapReduce-源码跟读-客户端篇

一、源码下载下面是hadoop官方源码下载地址，我下载的是hadoop-3.2.4，那就一起来看下吧Indexof/dist/hadoop/core二、从WordCount进入源码用idea将源码加载进来后，找到org.apache.hadoop.examples.WordCount类（快捷方法：双击Shift输入WordCount）/***LicensedtotheApacheSoftwareF
隔着天花板看星星·2024-01-25 09:52

Hadoop-MapReduce-跟着日志理解整体流程

一、数据准备viinput_01.txtviinput_02.txtviinput_03.txt文本内容如下：-----------------input_01.txt----------------javascalapythonc++javajsgogovbaccc++javascalapythonphpcsshtmljsjavajavascalavbac#.netRRRjava--------
隔着天花板看星星·2024-01-25 09:49

HBase学习五：运维排障之备份与恢复

copyTable工具通过MapReduce程序全表扫描待备份表数据并写入另一个集群。存在下面问题1、备份
Studying！！！·2024-01-25 09:49

Hive运行机制与使用

hive介绍hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。
小猪Harry·2024-01-25 05:09

JS进阶-内置构造函数（二）

静态方法就是只有构造函数Object可以调用的）Object.keysObject.valuesObject.assign•Array1.数组常见实例方法-核心方法编辑forEach()filter()mapreduce
smilehjl·2024-01-25 00:57

Spark基本架构及原理

Hadoop和Spark的关系Spark运算比Hadoop的MapReduce框架快的原因是因为Hadoop在一次MapReduce运算之后,会将数据的运算结果从内存写入到磁盘中,第二次Mapredue
李飞_fd28·2024-01-24 20:50

Spark性能优化指南数据倾斜——高级篇

特殊声明-文章来自公众号号：李雪蕤架构师调优概述有的时候，我们可能会遇到大数据计算中一个最棘手的问题——数据倾斜，此时Spark作业的性能会比期望差很多。
吃胖点儿·2024-01-24 17:15

通过hadoop jar命令运行提交MapReduce到YARN中

实现Wordcount大概流程：给定数据输入的路径，给定结果输出的路径；将输入路径内的数据中的单词进行计数，将结果写到输出路径如下：在hadoop下找hadoop-mapreduce-examples-
%HelloWorld%·2024-01-24 13:28

MapReduce配置 & YARN集群部署

1：编辑mapred-env.sh；添加如下配置#设置jdk路径exportJAVA_HOME=/opt/module/jdk#设置JobHistoryServer进程内存为1GexportHADOOP_JOB_HISTORYSERVER_HEAPSIZE=1000#设置日志级别为INFOexportHADOOP_MAPRED_ROOT_LOGGER=INFO,RFA2:编辑mapred-site
%HelloWorld%·2024-01-24 13:28

Hive 优化总结

Hive优化本质：HDFS+MapReduce问题原因：倾斜：分区：有的分区没有数据，有的分区数据堆积。(若按天分区，每一天数据差别大就叫倾斜。)
Byyyi耀·2024-01-24 10:25

技术方案评审

from:http://www.infoq.com/cn/news/2012/02/MapReducePatterns新年开始，大部分公司都在启动大量新功能的规划及设计、技术人员同时在设计对应实现方案、
sunvince·2024-01-24 01:06

Spark 编程模型 RDD

SparkRDD基于Spark的大数据计算平台，建立在统一的抽象RDD之上，是一种具有容错性的基于内存的数据集抽象计算方法。
Alex90·2024-01-23 23:44

MapReduce案例（五）

案例一：求订单的最大金额1、数据源Order_000001Pdt_01223.8Order_000001Pdt_0525.8Order_000002Pdt_03522.8Order_000002Pdt_04122.4Order_000002Pdt_06722.8Order_000003Pdt_02122.8Order_000003Pdt_07222.8其中第一列是订单编号，第二列是商品编号，第三列
maplea2012·2024-01-23 15:10

MapReduce数据处理流程(四)

一图胜千言①MapTask调用run方法②③循环调用LineRecordReader，读取文件中的数据，具体读取方式取决于InputFormat的类型（默认是TextInputFormat）④返回数据，其中key为数据偏移量，value为某一行数据⑤⑥⑦读取到的数据，序列化后写入环形缓冲区。写满80%之后，环形缓冲区会发生溢出，在这之前需要按照Key对数据进行排序，然后将数据写出到本地磁盘（包含k
maplea2012·2024-01-23 15:09

MapReduce概述

文章目录1.分布式系统的驱动力和挑战2.分布式系统的抽象和实现工具3.可扩展性、可用性、一致性4.MapReduce基本工作方式5.Map函数和Reduce函数1.分布式系统的驱动力和挑战分布式系统的核心是通过网络来协调
小帅吖·2024-01-23 11:06

大厂大数据面试题收录（1）

8.Hivesql到MapReduce转化的流程清楚吗？
后季暖·2024-01-23 11:49

多核编程（erlang 学习笔记）(二)

首先，我们要来看看高阶函数mapreduce，然后我们会在一个简单的索引引擎中使用这种技术。
夲撻鲎龇·2024-01-23 10:22

大数据分布式实时大数据处理框架Storm，入门到精通！

首先，Storm由Twitter开源，它解决了HadoopMapReduce在处理实时数据方面的高延迟问题。
知识分享小能手·2024-01-23 09:42

Hadoop基本介绍

1、Hadoop的整体框架Hadoop由HDFS、MapReduce、HBase、Hive和ZooKeeper等成员组成，其中最基础最重要元素为底层用于存储集群中所有存储节点文件的文件系统HDFS（HadoopDistributedFileSystem
w蕾丝·2024-01-23 08:53

Spark运行流程

Spark相对于Hadoop的优势Hadoop虽然已成为大数据技术的事实标准，但其本身还存在诸多缺陷，最主要的缺陷是其MapReduce计算模型延迟过高，无法胜任实时、快速计算的需求，因而只适用于离线批处
Cool_Pepsi·2024-01-23 02:12

Hadoop -- HDFS

1.什么是Hadoophadoop中有3个核心组件：分布式文件系统：HDFS——实现将文件分布式存储在很多的服务器上分布式运算编程框架：MAPREDUCE——实现在很多机器上分布式并行运算分布式资源调度平台
Cool_Pepsi·2024-01-23 02:42

MapReduce实战：将统计结果按照手机归属地不同省份输出到不同文件中（Partitioner）

1.需求：将上次实战(统计手机号耗费的总上行流量和下行流量)的统计结果按照手机归属地不同省份输出到不同文件中（分区）2.分析：(1)Mapreduce中会将map输出的kv对，按照相同key分组，然后分发给不同的
Movle·2024-01-22 20:05

hadoop之mapreduce教程+案例学习（一）

第1章MapReduce概述目录第1章MapReduce概述1.1MapReduce定义MapReduce是一个分布式运算程序的编程框架，是用户开发“基于Hadoop的数据分析应用”的核心框架。
菜瓜技术联盟·2024-01-22 19:04

大数据计算引擎之Flink简介

原文地址：大数据计算引擎之Flink简介Flink简介1.1Flink的初步认识ApacheFlink是为分布式、高性能、随时可用以即准确的流处理应用程序打造的开源处理框架ApacheFlink是一个框架和分布式处理引擎
开发实习生·2024-01-22 19:58

Hadooop和Hbase是什么关系

HBase通过Hadoop的HDFS(Hadoop分布式文件系统)和MapReduce实现了水平扩展和处理分布式数据。本文将详细介绍hbase和hadoop有什么关系。
wwwyx12138·2024-01-22 17:50

Spark简介

它是一个快速通用的集群计算平台.Spark扩展了流行的MapReduce模型.Spark提供的主要功能之一就是能够在内存中运行计算，但对于在磁盘上运行的复杂应用程序，系统也比MapReduce更有效。
shinelord明·2024-01-22 17:17

Hadoop基本概论

3.大数据应用场景二、Hadoop概述1.Hadoop定义2.Hadoop发展历史3.Hadoop发行版本4.Hadoop优势5.Hadoop1.x/2.x/3.x6.HDFS架构7.Yarn架构8.MapReduce
LzYuY·2024-01-22 08:25

史上最全深度解析Flink内存管理--大数据技术

目前，大数据计算引擎主要使用Java或基于JVM的编程语言实现的，例如ApacheHadoop，ApacheSpark，ApacheDrill，ApacheFlink等。
大数据学习僧·2024-01-22 08:50

flink结合Yarn进行部署

但我们知道，Flink是大数据计算框架，不是资源调度框架，这并不是它的强项；所以还是应该让专业的框架做专业的事，和其他资源调度框架集成更靠谱。
201001070·2024-01-22 08:17

Hive SQL的编译过程（转）

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的过程有了比较深入
愤怒的谜团·2024-01-21 20:40

MapReduce任务输出到redis中

主要包括redis连接池，重写FileOutputFormat函数。redis连接池/***redis连接池*/publicclassRedisHelper{privatestaticJedisPooljedisPool;static{init();}publicsynchronizedstaticJedisgetJedis(){if(jedisPool!=null){Jedisresource=
AnillegalName·2024-01-21 10:13

02-黑马程序员大数据开发：分布式计算和分布式资源调度

分布式计算模式：分散->汇总模式（MapReduce）和中心调度->步骤执行模式（ApacheSpark,Flink;比较复杂，中间会有数据交换的过程）；2.MapReduce概述MapReduce是Hadoop
S1406793·2024-01-21 08:52

03-黑马程序员大数据开发：Apache Hive

、ApacheHive概述1.目的：了解什么是分布式SQL计算；了解什么是ApacheHive2.使用Hive处理数据的好处操作接口采用类SQL语法，提供快速开发的能力（简单、容易上手)底层执行MapReduce
S1406793·2024-01-21 08:21

大数据技术汇总

HadoopHadoop入门概述Hadoop运行模式介绍HadoopHDFS的运行流程HadoopMapReduce的运行流程Hadoopyarn的运行流程Hadoop内HDFS、MapReduce和YARN
转身成为了码农·2024-01-21 07:41

Spark：SparkSQL与Hive on Spark（Shark）的比较

简要介绍了SparkSQL与HiveonSpark的区别与联系一、关于Spark简介在Hadoop的整个生态系统中，Spark和MapReduce在同一个层级，即主要解决分布式计算框架的问题。
花和尚也有春天·2024-01-21 06:17

Spark面试题

spark的不同点（为什么spark更快）♥♥♥  shuffle都是需要落盘的，因为在宽依赖中需要将上一个阶段的所有分区数据都准备好，才能进入下一个阶段，那么如果一直将数据放在内存中，是非常耗费资源的MapReduce
韩顺平的小迷弟·2024-01-21 06:53

Linux-Hadoop集群配置

hadoop（1）编辑Hadoop环境配置文件-hadoop-env.sh（2）编辑Hadoop核心配置文件-core-site.xml（3）编辑HDFS配置文件-hdfs-site.xml（4）编辑MapReduce
人生苦短@我用python·2024-01-21 05:44

大数据技术原理及应用课实验5 :MapReduce初级编程实践

目录一、实验目的二、实验平台三、实验步骤（每个步骤下均需有运行截图）（一）编程实现文件合并和去重操作（二）编写程序实现对输入文件的排序（三）对给定的表格进行信息挖掘四、实验总结五、优化及改进（选做）实验5MapReduce
Blossom i·2024-01-21 02:20

111.Parquet表的使用

Parquet格式：数据模型:Avro,Thrift,ProtocolBuffers,POJOs查询引擎:Hive,Impala,Pig,Presto,Drill,Tajo,HAWQ,IBMBigSQL计算框架:MapReduce
大勇任卷舒·2024-01-21 02:33

Python高阶函数使用总结！理解Python的数据结构和提高数据 ( 一 )

如有问题请及时联系我们以作处理以下文章来源于腾讯云作者：昱良本文结合各种实际的例子详细讲解了Python5个内建高阶函数的使用，能够帮助理解Python的数据结构和提高数据处理的效率，这5个函数分别是：mapreducefiltersorted
孤城暮雨丶·2024-01-21 00:50

Spark(一): 基本架构及原理

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，与Hadoop和Storm等其他大数据和MapReduce
贝賏赑钡·2024-01-20 22:46

分布式系统中JobHistoryServer服务和Timeline Server服务的配置和简要了解概述（不详细阐述，小服务模块）

一.JobHistoryServer服务概述缺陷：注意JobHistoryServer只存储已经完成的MapReduce应用的作业历史
科班你宇哥·2024-01-20 21:38

11.Join的MapReduce实现

Join在MapReduce中的实现一、概述tips:Hive:MapReduce/Spark巧用explain查看语法树常见的面试题:描述如何使用MapReduce来实现join功能：考察点MapReduce
哈哈大圣·2024-01-20 18:40

倒计时3天

1.今天把javaweb界面弄出来用htmljspservlet2.明天弄mapreduce3.建库！！把文件信息用户信息日志信息放到数据库4.下周一要开始翻译文献和论文为期9天
0be47bf15d8d·2024-01-20 18:16

Hive性能优化

原因是mapreduce作业初始化的时间是比较长的。sum,count,max,min等UDAF，不怕数据倾斜问题,hadoop在map端的汇总合并优化，使数据倾斜不成问题。
La victoria·2024-01-20 13:23

Hive调优一文打尽

影响Hive效率的几乎从不是数据量过大，而是数据倾斜、数据冗余、Job或I/O过多、MapReduce分配不合理等等。
跟着大数据和AI去旅行·2024-01-20 13:16

阿里云 E-MapReduce 全面开启 Serverless 时代

本文整理自阿里云智能EMR负责人李钰（花名：绝顶）在2023云栖大会开源大数据专场的分享，演讲主题为阿里云E-MapReduce全面开启Serverless时代。
Apache Spark中国社区·2024-01-20 12:22

Hadoop基础知识

狭义上说，Hadoop指Apache这款开源框架，它的核心组件有：HDFS（分布式文件系统）：解决海量数据存储YARN（作业调度和集群资源管理的框架）：解决资源任务调度MAPREDUCE（分布式运算编程框架
坐在风口上de猪·2024-01-20 10:10

MapReduce基础知识

MapReduce1、介绍MapReduceMapReduce的思想核心是“分而治之”，适用于大量复杂的任务处理场景（大规模数据处理场景）。
坐在风口上de猪·2024-01-20 09:18

Python5个内建高阶函数的使用

本文结合各种实际的例子详细讲解了Python5个内建高阶函数的使用，能够帮助理解Python的数据结构和提高数据处理的效率，这5个函数分别是：mapreducefiltersorted/sortzipimage
玄机L·2024-01-20 06:46
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他