MapReduce归约

Spark Streaming

SparkStreaming随着大数据技术的不断发展，人们对于大数据的实时性处理要求也在不断提高，传统的MapReduce等批处理框架在某些特定领域，例如实时用户推荐、用户行为分析这些应用场景上逐渐不能满足人们对实时性的需求
奋斗的蛐蛐·2024-01-13 06:13

hive三种计算引擎

1、配置mapreduce计算引擎sethive.execution.engine=mr;2、配置spark计算引擎sethive.execution.engine=spark;3、配置tez计算引擎sethive.execution.engine
IT达人_j·2024-01-13 05:45

Flink

GoogleFileSystemBigTableMapReduceHDFSHBaseHadoopHadoop基于硬盘，可以处理海量数据；Spark基于内存，性能提高百倍，微批（500ms）；Flink基于
三半俊秀·2024-01-13 01:53

如何进行大数据系统测试

MapReduce：作为Hadoop的核心计算框架，它通过将复杂的计算任务分解为“映射”（map）和“归约”（reduce）阶段，在集群节点上并行执行。
Feng.Lee·2024-01-12 21:41

Hadoop常用命令

stop-all.sh单进程启动：start-dfs.sh和start-yarn.sh分别启动HDFS和YARNhdfsdfs-xxx其中xxx为Linux常用命令：如hdfsdfs-ls查看hdfs文件系统目录执行mapreduce
在努力的Jie·2024-01-12 16:16

Hadoop 的核心 —— HDFS（1）

Hadoop是一个开源的大数据框架Hadoop是一个分布式计算的解决方案Hadoop=HDFS（分布式文件系统）+MapReduce（分布式计算）Hadoop的两个核心：HDFS分布式文件系统：存储是大数据技术的基础
土冥王·2024-01-12 16:13

Hadoop框架下MapReduce中的map个数如何控制

一个job的map阶段并行度由客户端在提交job时决定客户端对map阶段并行度的规划基本逻辑为：一、将待处理的文件进行逻辑切片（根据处理数据文件的大小，划分多个split），然后每一个split分配一个maptask并行处理实例二、具体切片规划是由FileInputFormat实现类的getSplits()方法完成切分规则如下：1.简单地按照文件的内容长度进行切片2.切片大小默认是datanode
数据萌新·2024-01-12 14:31

大数据 Hive - 实现SQL执行

文章目录MapReduce实现SQL的原理Hive的架构Hive如何实现join操作小结MapReduce的出现大大简化了大数据编程的难度，使得大数据计算不再是高不可攀的技术圣殿，普通工程师也能使用MapReduce
善守的大龙猫·2024-01-12 07:37

Spark on Hive及 Spark SQL的运行机制

SparkonHive集成原理HiveServer2的主要作用:接收SQL语句，进行语法检查；解析SQL语句；优化；将SQL转变成MapReduce程序，提交到Yarn集群上运行SparkSQL与Hive
小希 fighting·2024-01-12 07:56

【2019-05-06】map reduce工作机制

mapreduce作业运行机制Hadoop运行mapreduce作业的工作原理（1）作业提交Job的submit()方法创建一个内部的JobSubmitter实例，并且调用其submitJobInternal
BigBigFlower·2024-01-11 15:31

php数据group去重,MongoDB_Mongodb聚合函数count、distinct、group如何实现数据聚合操作， 上篇文章给大家介绍了Mong - phpStudy...

Mongodb聚合函数count、distinct、group如何实现数据聚合操作上篇文章给大家介绍了Mongodb中MapReduce实现数据聚合方法详解，我们提到过Mongodb中进行数据聚合操作的一种方式
偃鼠·2024-01-11 13:58

转载： 8天学通MongoDB——第三天 细说高级操作

一：聚合常见的聚合操作跟sqlserver一样，有：count，distinct，group，mapReduce。
LGQ943592312·2024-01-11 13:25

spark基础--学习笔记

1spark介绍1.1spark概念ApacheSpark是专为大规模数据处理而设计的快速通用的分布式计算引擎，是开源的类HadoopMapReduce的通用分布式计算框架。
祈愿lucky·2024-01-11 07:58

Hadoop之mapreduce参数大全-5

101.指定任务启动过程中允许的最大跳过尝试次数mapreduce.task.skip.start.attempts是HadoopMapReduce框架中的一个配置属性，用于指定任务启动过程中允许的最大跳过尝试次数
OnePandas·2024-01-11 07:45

hive sql 和 spark sql的区别

HiveSQL和SparkSQL都是用于在大数据环境中处理结构化数据的工具，但它们有一些关键的区别：底层计算引擎：HiveSQL：Hive是建立在Hadoop生态系统之上的，使用MapReduce作为底层计算引擎
深度学习研究员·2024-01-11 07:08

Phoenix基本使用

1.2Phoenix特点容易集成：如Spark，Hive，Pig，Flume和MapReduce。
有语忆语·2024-01-10 22:30

java基础之Java8新特性-Stream(流)

流可以看作是一系列元素的管道，可以对这些元素进行筛选、转换、排序、归约等操作，实现各种数据处理需求。与传统的循环迭代方式相比，流的代码更易读、更易于并行化处理，并且能够充分发挥多核处理器的优势。
mi9688·2024-01-10 15:53

5.MapReduce之Combiner-预聚合

目录概述本地预计算Combiner意义实践前提代码日志观察结束概述在MR、Spark、Flink中，常用的减少网络传输的手段。通常在Reducer端合并，shuffle的数据量比在Mapper端要大，根据业务情况及数据量极大时，将大幅度降低效率；且预聚合这种方式也是有其缺点，不能改变业务最终的逻辑，否则会出现，计算结果不正确的情况。本地预计算Combiner意义如下图，可以清晰看出，预聚合和在Re
流月up·2024-01-10 12:49

3.MapReduce实践-单词统计

目录概述MapReduce核心进程MapReduce编程规范单词统计案例源码结束概述官网文档速递MapReduce：分布式计算框架通常情况下，一个MR作业是有2个部分构成：MapTaskReduceTask
流月up·2024-01-10 12:48

4.MapReduce 序列化

目录概述序列化序列化反序例化java自带的两种Serializable非Serializablehadoop序例化实践分片/InputFormat&InputSplit日志结束概述序列化是分布式计算中很重要的一环境，好的序列化方式，可以大大减少分布式计算中，网络传输的数据量。序列化序列化对象-->字节序例：存储到磁盘或者网络传输MR、Spark、Flink：分布式的执行框架必然会涉及到网络传输ja
流月up·2024-01-10 12:46

深入理解 Flink（一）Flink 架构设计原理

大数据分布式计算引擎设计实现剖析MapReduceMapReduce执行引擎解析MapReduce的组件设计实现图Spark执行引擎解析Spark相比于RM的真正优势的地方在哪里：（Simple、Fast
我很ruo·2024-01-10 08:57

Hadoop之mapreduce参数大全-4

76.指定在MapReduce作业中，哪些输出文件应该在任务失败时保留mapreduce.task.files.preserve.filepattern是HadoopMapReduce框架中的一个配置属性
OnePandas·2024-01-10 06:01

Hadoop之mapreduce参数大全-1

1.设置Map/Reduce任务允许使用的最大虚拟内存大小mapred.task.maxvmem是MapReduce的一个配置参数，用于指定每个Map/Reduce任务允许使用的最大虚拟内存大小（以字节为单位
OnePandas·2024-01-10 06:00

Hadoop之mapreduce参数大全-2

25.指定在Reduce任务在shuffle阶段的fetch操作中重试的超时时间mapreduce.reduce.shuffle.fetch.retry.timeout-ms是ApacheHadoopMapReduce
OnePandas·2024-01-10 06:00

Hadoop之mapreduce参数大全-3

51.指定Shuffle传输过程中可以同时连接的节点数mapreduce.shuffle.max.connections是HadoopMapReduce中的一个配置参数，用于指定Shuffle传输过程中可以同时连接的节点数
OnePandas·2024-01-10 05:57

Java大数据学习~Hadoop初识三Yarn模式

一个HDFS,一个MapReduce,还有就是我们今天要看的YARN。2.0以前的Hadoop在2.0以前的hadoop中是没有Yarn这个模式管理的。大部分都是独自作战。
胖琪的升级之路·2024-01-10 05:55

1.2.2.5MapReduce实例

总目录:https://www.jianshu.com/p/e406a9bc93a9Hadoop-子目录：https://www.jianshu.com/p/9428e443b7fd天气案例经典案例myclient.java:客户端packagecom.SL.tq;importjava.io.IOException;importorg.apache.hadoop.conf.Configuratio
寒暄_HX·2024-01-10 00:53

大数据 MapReduce如何让数据完成一次旅行？

专栏上一期我们聊到MapReduce编程模型将大数据计算过程切分为Map和Reduce两个阶段，先复习一下，在Map阶段为每个数据块分配一个Map计算任务，然后将所有map输出的Key进行合并，相同的Key
善守的大龙猫·2024-01-10 00:31

笔记：分布式大数据技术原理（一）Hadoop 框架

Hadoop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
WeeeicheN·2024-01-09 22:17

笔记：分布式大数据技术原理（三）Spark

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
WeeeicheN·2024-01-09 22:17

大数据技术原理与应用学习笔记（八）

再探讨Hadoop的优化与发展Hadoop1.0到Hadoop2.0不断完善的Hadoop生态系统HDFS2.0新特性HDFSHA（高可用性）HDFSFederationYARN——新一代资源管理调度框架MapReduce1.0
Ragnaros the Firelord·2024-01-09 22:46

Java8 Stream集合的筛选、归约、分组、聚合讲解

3.1Optional3.2案例3.2.1遍历/匹配（foreach/find/match）3.2.2筛选（filter）3.2.3聚合（max/min/count)3.2.4映射(map/flatMap)3.2.5归约
码灵·2024-01-09 22:13

机器学习分布式架构

https://zhuanlan.zhihu.com/p/82116922https://zhuanlan.zhihu.com/p/81784947大数据架构1.批处理MapReduce无法应对实时不确定量的小样本处理
小幸运Q·2024-01-09 17:27

[超超超超超超详细] Linux Centos7搭建Hadoop集群及运行MapReduce分布式集群

版本：Centos7Hadoop3.2.0JDK1.8虚拟机信息：内存3.2G处理器2*2内存50GISO：Centos-7-x86_64-DVD-2009一、在虚拟机上搭建LinuxCentos7略二、选择root登录并管理防火墙systemctlstopdirewalld#关闭防火墙systemctldisablefirewalld#关闭开机自启systemctlstatusfirewalld
没事多学习_Qi·2024-01-09 17:38

基于spark的Hive2Pg数据同步组件

同时sqoop的mapreduce任务对数据表的分割以及数据文件也会有一定的不均衡性。为了弥补这些问题，开发了基于
zcc_0015·2024-01-09 15:53

Hive基础知识（一）：Hive入门与Hive架构原理

2）Hive本质：将HQL转化成MapReduce程序（1）Hive处理的数据存储在HDFS（2）Hive分析数据底层的实现是MapReduce（3）执行程序运行在Yarn上2.Hive的
依晴无旧·2024-01-09 13:25

Hive基础知识笔记（含MySQL metastore伪分布式安装配置流程）

可以将结构化的数据文件映射成一张数据库表，将类SQL语句转换为MapReduce任务运行，几行查询语句
书忆江南·2024-01-09 13:52

Hive基础知识

2）其本质是将SQL语句转换为MapReduce/Spark程序进行运算，底层数据由HDFS分布式文件系统进行存储。3）可以理解Hive就是MapReduce/SparkSql的客户端。
巷子里的猫X·2024-01-09 13:52

Hive 基础知识

Hive是封装了MapReduce的操作，让用户可以通过写sql语句的方式，实现MapReduce操作。Hive基于一个统一的查询分析层，通过SQL语句的方式对HDFS上的数据进行查询、统计和分析。
辰阳星宇·2024-01-09 13:22

基于hadoop的hive数据仓库基础操作知识整理

Hive本质：将HQL转化成MapReduce程序Hive处理的数据存储在HDFSHive分析数据底层的实现是MapReduce执行程序运行在Yarn上1.2Hive的优
大包丫·2024-01-09 13:51

数组归约运算

数组归约运算题目题解题目给定一个整数数组nums、一个reducer函数fn和一个初始值init，返回通过依次对数组的每个元素执行fn函数得到的最终结果。
東方幻想郷·2024-01-09 07:29

MapReduce 初级编程实践

（一）编程实现文件合并和去重操作**对于两个输入文件，即文件A和文件B，请编写MapReduce程序，对两个文件进行合并，并剔除其中重复的内容，得到一个新的输出文件C。
cwn_·2024-01-09 06:20

Hive基本操作

Hive是类SQL语法的数据查询、计算、分析工具，执行引擎默认的是MapReduce，可以设置为Spark、Tez。Hive分内部表和外部表，外部表在建表的同时指定一个
X晓·2024-01-09 06:45

『HDFS』伪分布式Hadoop集群

博客引流本文是『Hadoop』MapReduce处理日志log(单机版)的旭文,maybe还有后续在搭建环境的时候发现很难搜到合适的教程，所以这篇应该会有一定受众伪分布式就是假分布式，假在哪里，假就假在他只有一台机器而不是多台机器来完成一个任务
gunjianpan·2024-01-09 04:31

【Verilog】运算符

系列文章数值（整数，实数，字符串）与数据类型（wire、reg、mem、parameter）系列文章算术运算符关系运算符相等关系运算符逻辑运算符按位运算符归约运算符移位运算符条件运算符连接和复制运算符算术运算符
不怕娜·2024-01-08 22:51

hadoop/etc/hadoop 下没有mapred-site.xml，只有mapred.xml.template

默认情况下，/usr/local/hadoop/etc/hadoop/文件夹下有mapred.xml.template文件，我们要复制该文件，并命名为mapred.xml，该文件用于指定MapReduce
比特小怪兽·2024-01-08 19:34

大数据技术期末复习第七章——MapReduce练习

A、Map函数将输入的元素转换成形式的键值对B、Hadoop框架是用Java实现的，MapReduce应用程序则一定要用Java来写C、不同的Map任务之间不能互相通信D、MapReduce框架采用了Master
锦鲤儿·2024-01-08 12:01

大数据 Yarn - 资源调度框架

Hadoop主要是由三部分组成，除了前面我讲过的分布式文件系统HDFS、分布式计算框架MapReduce，还有一个是分布式集群资源调度框架Yarn。
善守的大龙猫·2024-01-08 10:48

《深入理解Hadoop（原书第2版）》——2.4 Hadoop 2.0

2.4Hadoop2.0MapReduce已经进行了全新升级，即Hadoop2.0，升级后的版
weixin_34174322·2024-01-08 08:44

Spark基础知识

1.1定义ApacheSpark是用于大数据处理的统一分析引擎;1.2Spark与MapReduce对比MapReduce的主要缺点:①MapReduce是基于进程进行数据处理,进程相对与线程来说,创造和销毁的过程比较耗费资源
MSJ3917·2024-01-08 07:21
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他