.spark 第43页

Spark---SparkCore（一）

一、术语与宽窄依赖1、术语解释1、Master(standalone):资源管理的主节点（进程）2、ClusterManager:在集群上获取资源的外部服务(例如：standalone,Mesos,Yarn)3、WorkerNode(standalone):资源管理的从节点(进程)或者说管理本机资源的进程4、DriverProgram:用于连接工作进程(Worker)的程序5、Executor:是

30岁老阿姨·2023-11-25 01:20

Spark---补充算子

一、Spark补充Transformation算子1、join,leftOuterJoin,rightOuterJoin,fullOuterJoin作用在K，V格式的RDD上。

30岁老阿姨·2023-11-25 01:50

spark任务提交方式yarn-client和yarn-cluster对比

spark中yarn模式有两种任务提交方式，分别是yarn-client模式和yarn-cluster模式，其区别如下：一、yarn-client任务提交方式1、yarn-client模式提交任务后，会在客户端启动

伊一cherry大数据·2023-11-25 01:18

Spark-----第 2 章 Spark 部署模式

Spark支持多种集群管理器（ClusterManager），分别为：Standalone：独立模式，Spark原生的简单集群管理器，自带完整的服务，可单独部署到一个集群中，无需依赖任何其他资源管理系统

Wzideng·2023-11-25 01:18

spark yarn 提交_Spark系列--提交任务流程

1.Spark基于StandaLone的任务提交模式StandaLone提交任务有两种模式，一种是基于客户端Client提交任务，另一种是集群cluster提交任务。

谷俊丽·2023-11-25 01:18

Spark on YARN运行过程，YARN-Client和YARN-Cluster

SparkonYARN运行过程YARN是一种统一资源管理机制，在其上面可以运行多套计算框架。

高个子男孩·2023-11-25 01:17

Spark on yarn——Spark提交任务到yarn集群源码分析

目录一、入口类——SparkSubmit二、SparkApplication启动——JavaMainApplication、YarnClusterApplication三、SparkContext初始化四

编程小王子啊·2023-11-25 01:17

实战pyspark基于yarn模式提交任务成功踩坑

1.背景最近的项目使用yarn提交pyspark的任务，遇到了不少坑，目前已经成功地跑通了基于client和cluster两种模式的任务提交。特此记录一下。

euler1983·2023-11-25 01:16

spark submit——yarn模式参数调优

spark官网上的参数默认值设置：https://spark.apache.org/docs/latest/configuration.html#spark-streaming此处记录一下最近整理的spark

凌寒独自开·2023-11-25 01:16

Spark on Yarn提交任务过程

这篇文章将从源码的角度向大家展示Spark是如何提交任务到Yarn上执行的，如有错误，还请各位指出。

枫_Maple·2023-11-25 01:46

什么是spark，spark运行模式，local模式，使用spark-shell，Standalone模式，Yarn模式，案例实操WordCount程序

目录第1部分Spark基础第1章Spark概述1.1什么是Spark1.2.1快速1.2.2易用1.3.1集群管理器(ClusterManager)第2章Spark运行模式2.1Local模式2.1.1

长岛山没有雪·2023-11-25 01:45

spark-yarn-cluster任务提交方式Logs出现Fails且无法访问

/spark-submit--masteryarn--deploy-modecluster--classorg.apache.spark.examples.SparkPi..

CoreDao·2023-11-25 01:45

1. spark源码分析（基于yarn cluster模式）-任务提交

首先声明，这个系列研究的源码基于spark-2.4.6我们在使用spark-shell提交任务的时候，一般采用如下模式提交任务：park-submit--classxxxxx--name'test_xxxx

Leo Han·2023-11-25 01:45

Spark---基于Yarn模式提交任务

/spark-submit--masteryarn--classorg.apache.spark.examples.SparkPi..

30岁老阿姨·2023-11-25 01:14

Spark是什么？以及它有哪些应用场景呢？

首先说说Spark的起源：Spark是UCBerkeleyAMPlab所开源的类HadoopMapReduce的通用的并行计算框架，Spark基于mapreduce算法实现的分布式计算，拥有HadoopMapReduce

陈影鸿在进步·2023-11-25 01:07

Apache Linkis 修复多个漏洞

编译：代码卫士ApacheLinkis是一款热门的计算中间件，用于弥合上层应用程序和底层引擎之间的差距，从而能够无缝访问多个引擎如MySQL、Spark、Hive、Presto和Flink。

奇安信代码卫士·2023-11-24 23:31

机器学习之分类

spark.mllib支持两种线性分类方法：线性支持向量机（SVM）和逻辑回归。线性SVM仅支持二进制分类，而逻辑回归支持二进制和多类分类问题。

辣椒种子·2023-11-24 22:01

机器学习之基本的统计工具

除此之外，spark.mllib库也提供了一些其他的基本的统计分析工具，包括相关性、分层抽样、假设检验，随机数生成等。

辣椒种子·2023-11-24 22:30

docker安装部署Apache Griffin

1）下载docker镜像dockerpullapachegriffin/griffin_spark2:0.3.0dockerpullapachegriffin/elasticsearchdockerpullapachegriffin

柒柒钏·2023-11-24 21:35

ARTS-第八周第九周

Tips/Technology一、Kerberos与hadoop生态相关配置与操作HDFS使用kerberosYARN、Spark、Hive使用kerberoskerberos+LDA

梧上擎天·2023-11-24 17:02

Serverless 在数据处理场景下的最佳应用

我们知道传统的数据处理无外乎涉及Kafka、Logstash、FileBeats、Spark、Flink、CLS、COS等组件。

Serverless·2023-11-24 17:49

spark 源码分析之三 -- LiveListenerBus介绍

LiveListenerBus官方说明如下：AsynchronouslypassesSparkListenerEventstoregisteredSparkListeners.即它的功能是异步地将SparkListenerEvent

weixin_30457465·2023-11-24 16:08

Spark重要源码解读

SparkConf类/***ConfigurationforaSparkapplication.UsedtosetvariousSparkparametersaskey-valuepairs.

Winyar Wen·2023-11-24 16:08

Spark一级资源调度Shedule机制及SpreadOut模式源码深入剖析

weixin_34210740·2023-11-24 16:38

Spark事件监听总线流程分析-Spark商业环境实战

weixin_34268753·2023-11-24 16:38

spark源码：SparkContext初始化需要启动的组件

spark源码分析之SparkContext1.SparkContext简介2初始化SparkContext需要启动的组件2.0SparkContext私有的可变成员变量2.1SpaekEnv2.2LiveListenerBus2.3SparkUI2.4SparkStatusTracker2.5ConsoleProgressBar2.6DAGScheduler2.7TaskScheduler2.8

weixin_38842855·2023-11-24 16:38

spark streaming2.4.0 任务启动源码剖析

官方案例首先以官方启动入手objectSparkStreamingTest{defmain(args:Array[String]):Unit={valconf=newSparkConf().setAppName

乾坤瞬间·2023-11-24 16:07

【源码解读】|SparkContext源码解读

【源码解读】|SparkContext源码解读导读须知一、CallSite创建什么叫CallSite？CallSite有什么用？

857技术社区·2023-11-24 16:06

Spark UI实现原理与事件监听机制

SparkUI实现原理与事件监听机制一、引言SparkUI是了解spark任务运行情况的入口，也是进行spark任务性能优化与调试必不可少的工具。

涛声依旧（竞涛）·2023-11-24 16:35

Spark Task执行流程源码分析系列之二: 任务构建&调度&资源分配

上一节我们介绍了Task各个环节用到的主要数据结构，本节我们来看看Spark中一个Task是如何构建起来的，又是如何获取到资源，然后提交给集群相应的资源进行启动的。

小白数据猿·2023-11-24 16:04

Spark异步事件总线机制源码分析

收录于话题#大数据常用技术15#大数据17#spark2Spark事件总线贯彻整个应用，TaskScheduler、Executor、JobScheduler、SQLExecution等关键交互逻辑离不开

跃ge·2023-11-24 16:03

Spark核心机制总结

文章目录1.RDD2.与MapReduce对比3.Spark的各大组件4.Spark执行流程5.执行过程中的一些细节6.Spark的部署模式和作业提交部署模式Spark的作业提交7.宽窄依赖DAGScheduler

Icedzzz·2023-11-24 16:33

Spark读取外部数据的原理解读

收录于话题#spark2#大数据17#大数据常用技术15为了简化理解，该文尝试使用SparkContext.textFile()为入口进行分析。

跃ge·2023-11-24 16:33

【Spark源码分析】事件总线机制分析

Spark事件总线机制采用Spark2.11源码，以下类或方法被@DeveloperApi注解额部分，可能出现不同版本不同实现的情况。Spark中的事件总线用于接受事件并提交到对应的监听器中。

顧棟·2023-11-24 16:02

大数据集群报错集锦及解决方案

4Azkaban4.1Azkaban页面登陆乱码5Oozie5.1Oozie初始化失败5.2脚本修改之后Oozie任务执行失败6Kerberos6.1启用Kerberos之后，hdfs浏览器打开鉴权失败7Spark7.1Spa

陈舟的舟·2023-11-24 16:22

Doris系列之高级功能-Rollup操作

Doris系列注：大家觉得博客好的话，别忘了点赞收藏呀，本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，PythonJavaScalaSQL代码，CVNLP推荐系统等，SparkFlinkKafkaHbaseHiveFlume

陈万君Allen·2023-11-24 16:31

Doris系列之物化视图操作

Doris系列注：大家觉得博客好的话，别忘了点赞收藏呀，本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，PythonJavaScalaSQL代码，CVNLP推荐系统等，SparkFlinkKafkaHbaseHiveFlume

陈万君Allen·2023-11-24 16:31

实时分析海量新数据的难点和解决方案

解决方案：使用分布式计算和存储技术，如Hadoop、Spark、Kafka等，将数据分散存储在多个节点上，同时进行分布式计算和处理，以实现数据的实时处理和分析。2.数据质量的保障：海量新

29597739c454·2023-11-24 15:56

【spark on kubernetes】spark operator部署安装 v1beta2-1.2.0-3.0.0

最近开始研究sparkonkubernetes，经过调研，sparkonkubernetes有两种方案，一种是官方的spark提供的原生支持按照spark-submit方式提交任务，第二种是google

秦拿希·2023-11-24 11:18

【大数据】Docker部署HMS(Hive Metastore Service)并使用Trino访问Minio

HiveStandaloneMetastore管理MinIO（S3）_hiveminio_BigDataToAI的博客-CSDN博客一.背景团队要升级大数据架构，需要摒弃hadoop，底层使用Minio做存储，应用层用trino火spark

秦拿希·2023-11-24 11:35

spark中write算子和format算子详解

在spark中，想要往数据库或者某sink路径里面写数据，存到外部存储系统，如文件系统、数据库或数据仓库，经常会用到write算子。

后季暖·2023-11-24 11:02

spark写入关系型数据库的duplicateIncs参数使用

在看一段spark写数据到关系型数据库代码时，发现一个参数没有见过：df.write.format("org.apache.spark.sql.execution.datasources.jdbc2")

后季暖·2023-11-24 11:25

思考: 为什么 Flink 要弃用Scala API呢？

2.个人浅薄的理解在使用FlinkScalaAPI的时候，发下很多Scala代码都是对JavaAPI的调用，这样就带来了很多不必须要的使用麻烦，不像Spark底层使用Scala开发一样，所以我们可以使用

广阔天地大有可为·2023-11-24 11:22

spark sql本地测试Demo

spark本地测试Demoimportorg.apache.spark.sql.SparkSessionimportorg.apache.spark.sql.functions.

jiayeliDoCn·2023-11-24 11:52

为什么 Flink 抛弃了 Scala

曾经红遍一时的Scala想当初Spark横空出世之后，Scala简直就是语言界的一颗璀璨新星，惹得大家纷纷侧目，连Kafka这类技术框架也选择用Scala语言进行开发重构。

shengjk1·2023-11-24 10:40

【大数据实训】基于赶集网租房信息的数据分析与可视化(七)

CSDN平台官方提供的博主的联系方式，有偿帮忙部署基于赶集网租房信息的数据分析与可视化一、实验环境（1）Linux：Ubuntu16.04（2）Python:3.6（3）Hadoop：3.1.3（4）Spark

AI_Maynor·2023-11-24 10:54

Spark数据倾斜解决方案

数据倾斜的解决，跟之前讲解的性能调优，有一点异曲同工之妙。性能调优，跟大家讲过一个道理，“重剑无锋”。性能调优，调了半天，最有效，最直接，最简单的方式，就是加资源，加并行度，注意RDD架构（复用同一个RDD，加上cache缓存）；shuffle、jvm等，都是次要的。数据倾斜的解决方案，第一个方案和第二个方案，是最朴素、最简谱、最直接、最有效、最简单的，解决数据倾斜问题的方案。重剑无锋。后面的五个

000X000·2023-11-24 09:52

Spark数据倾斜解决办法

Spark数据倾斜解决办法一个Spark程序会根据其内部的Action操作划分成多个job，每个作业内部又会根据shuffle操作划分成多个Stage，每个Stage由多个Task任务并行进行计算，每个

不会打球的摄影师不是好程序员·2023-11-24 09:50

Spark 优化——数据倾斜解决方案

目录一、什么是数据倾斜数据倾斜的表现：定位数据倾斜问题：二、解决方案解决方案一：聚合原数据1)避免shuffle过程2)缩小key粒度（增大数据倾斜可能性，降低每个task的数据量）3)增大key粒度（减小数据倾斜可能性，增大每个task的数据量）解决方案二：过滤导致倾斜的key解决方案三：提高shuffle操作中的reduce并行度reduce端并行度的设置reduce端并行度设置存在的缺陷解决

TRX1024·2023-11-24 09:49

推荐频道

.spark