Spark调优

常见的实时数仓方案

实时部分以消息队列的方式实时增量消费，一般以Flink+Kafka的组合实现，维度表存在关系型数据库或者HBase；离线部分一般采用T+1周期调度分析历史存量数据，每天凌晨产出，更新覆盖前一天的结果数据，计算引擎通常会选择Hive或者Spark
北极冰雨·2024-08-30 05:27

阅读APUE需要考虑的问题

在io部分，每一章都提到了效率问题，用户cpu时间，系统cpu时间始终时间，这些都将称为程序性能调优的一些关键点=============================================
m风满楼·2024-08-30 05:25

Linux系统性能调优技巧

Linux系统性能调优是一个复杂的过程，涉及到多个层面的优化，包括硬件、操作系统、应用程序等。以下是一些常见的Linux系统性能调优技巧：1.
jie201107·2024-08-30 05:52

RabbitMQ 性能优化

以下是关于RabbitMQ性能优化的几个关键领域，包括消息的并发处理、连接与通道的管理，以及监控与调优。同
StaticKing·2024-08-29 18:10

Spark MLlib 数据预处理－特征变换

2019独角兽企业重金招聘Python工程师标准>>>Tokenizer（分词器）算法介绍：Tokenization将文本划分为独立个体（通常为单词）。RegexTokenizer基于正则表达式提供更多的划分选项。默认情况下，参数“pattern”为划分文本的分隔符。或者可以指定参数“gaps”来指明正则“patten”表示“tokens”而不是分隔符，这样来为分词结果找到所有可能匹配的情况。调用
weixin_33841722·2024-08-29 14:40

spark应用程序转换_4.Spark特征提取、转换和选择 - 简书

在实际机器学习项目中，我们获取的数据往往是不规范、不一致、有很多缺失数据，甚至不少错误数据，这些数据有时又称为脏数据或噪音，在模型训练前，务必对这些脏数据进行处理，否则，再好的模型，也只能脏数据进，脏数据出。这章我们主要介绍对数据处理涉及的一些操作，主要包括：特征提取特征转换特征选择4.1特征提取特征提取一般指从原始数据中抽取特征。4.1.1词频－逆向文件频率(TF-IDF)词频－逆向文件频率(T
weixin_39956182·2024-08-29 14:10

Spark权威指南读书笔记（二）：结构化API

API主要指三种核心分布式集合类型API：Dataset、DataFrame、SQL表和视图DataFrame和Dataset类型DataFrame和Dataset是具有行和列的类似于数据表的集合类型Spark
kaiker·2024-08-29 11:23

Spark-RDD迭代器管道计算

一、上下文《Spark-Task启动流程》中讲到我们提交Stage是传入的是这个Stage最后一个RDD，当Task中触发ShuffleWriter、返回Driver数据或者写入Hadoop文件系统时才触发这个
隔着天花板看星星·2024-08-29 07:24

java jmap jstat_JVM性能调优监控工具jps、jstack、jstat、jmap、jinfo使用详解

是什么jps查看所有的jvm进程，包括进程ID，进程启动的路径等等。我自己也用PS，即：ps-ef|grepjavajstack观察jvm中当前所有线程的运行情况和线程当前状态。系统崩溃了？如果java程序崩溃生成core文件，jstack工具可以用来获得core文件的javastack和nativestack的信息，从而可以轻松地知道java程序是如何崩溃和在程序何处发生问题。系统hung住了？
小五咔咔咔·2024-08-29 06:52

每天一个数据分析题（五百零五）- 提升方法

A.AdaboostB.GBDTC.XGBOOSTD.随机森林数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark
跟着紫枫学姐学CDA·2024-08-29 05:43

每天一个数据分析题（五百零六）- 装袋方法

A.AdaboostB.GBDTC.XGBOOSTD.随机森林数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark
跟着紫枫学姐学CDA·2024-08-29 05:43

spark mllib 特征学习笔记 （一）

PySparkMLlib特征处理详解PySparkMLlib提供了丰富的特征处理工具，帮助我们进行特征提取、转换和选择。以下是PySparkMLlib中常用的特征处理类及其简要介绍。
路人与大师·2024-08-29 03:57

Spark MLlib 特征工程系列—特征转换VectorSizeHint

SparkMLlib特征工程系列—特征转换VectorSizeHintVectorSizeHint是Spark提供的一个特征转换器，用于指定向量列的大小（即维度）。
不二人生·2024-08-29 03:56

Linux 系统性能调优 1

Linux系统性能调优涉及多个方面，包括CPU、内存、I/O子系统、网络等。以下是一些常见的Linux系统性能调优技巧，可以帮助提升系统的整体性能。###1.
Wade_Crab·2024-08-28 19:01

汇总：20个Linux服务器性能调优技巧

Linux是一种开源操作系统，它支持各种硬件平台，Linux服务器全球知名，它和Windows之间最主要的差异在于，Linux服务器默认情况下一般不提供GUI(图形用户界面)，而是命令行界面，它的主要目的是高效处理非交互式进程，响应时间并不是那么重要，相反，能够长时间处理高负载才是最关键的。Linux高可用服务器集群解决方案让IT系统管理员可以从容应对许多常见的硬件和软件故障，允许多台计算机一起工
开源Linux·2024-08-28 14:58

每天一个数据分析题（五百零二）- 分割式聚类算法

B.CentroidMethodC.Ward’sMethodD.以上皆非数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark
跟着紫枫学姐学CDA·2024-08-28 13:19

Spring Boot 一个极简且完整的后台框架

先放几张图imageimageimage项目介绍SpringBoot，实现了一个极简单的后台框架image小编提供免费的Java架构学习资料（里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring
搬砖养女人·2024-08-28 10:33

SparkStreaming 如何保证消费Kafka的数据不丢失不重复

目录SparkStreaming接收Kafka数据的方式有两种：Receiver接收数据和采用Direct方式。
K. Bob·2024-08-28 10:02

SparkSql

SparkSQL基本介绍什么是SparkSQL?用于处理结构化数据的Spark模块。可以通过DataFrame和DataSet处理数据。
李思缘的大数据之路·2024-08-28 09:00

SparkSQL优化查询性能的方法

一、PySpark如何提高程序的运行效率和性能PySpark的运行效率和性能受到多个因素的影响，包括数据大小、算法复杂度、硬件资源等。
大数据海中游泳的鱼·2024-08-28 09:57

Spark on YARN

ApacheSpark和ApacheHadoopYARN是两个紧密相关的项目，它们经常一起使用来处理大规模数据集。
静听山水·2024-08-28 09:26

精通JVM监控与调优：工具使用与命令指南

精通JVM监控与调优：工具使用与命令指南1.JVM监控工具概览1.1监控工具列表2.jconsole使用指南2.1操作步骤2.2常用命令3.VisualVM使用指南3.1操作步骤3.2常用命令4.jstack
道长不会写代码·2024-08-28 00:59

分享一个基于Spark的招聘数据可视化与分析系统Hadoop大数据源码（源码、调试、LW、开题、PPT）

作者：计算机源码社个人简介：本人八年开发经验，擅长Java、Python、PHP、.NET、Node.js、Android、微信小程序、爬虫、大数据、机器学习等，大家有这一块的问题可以一起交流！学习资料、程序开发、技术解答、文档报告如需要源码，可以扫取文章下方二维码联系咨询Java项目微信小程序项目Android项目Python项目PHP项目ASP.NET项目Node.js项目选题推荐项目实战|基
计算机源码社·2024-08-27 20:05

数据库系统 第26节 数据库调优 案例分析

数据库调优通常不需要修改源代码，因为它主要涉及数据库配置、查询优化和硬件调整等方面。然而，源代码中的某些实践可以显著影响数据库性能。
hummhumm·2024-08-27 20:59

spark采坑集锦之用kafka作为DStream数据源，并行度问题

在SparkStreaming中作为数据源的Kafka怎样接收多主题发送的数据呢？
方兵兵·2024-08-27 16:41

Kafka命令详解：从零开始，掌握Kafka集群管理、主题操作与监控的全方位技能，理解每一条命令背后的逻辑与最佳实践

为大家推荐几篇比较好的Kafka文章：Kafka分布式集群部署实战：跨越理论，直击生产环境部署难题与解决方案，性能调优、监控与管理策略大揭秘，轻松上手分布式消息中间件-CSDN博客ApacheKafka
长风清留扬·2024-08-27 16:37

Hbase BulkLoad用法

要导入大量数据，Hbase的BulkLoad是必不可少的，在导入历史数据的时候，我们一般会选择使用BulkLoad方式，我们还可以借助Spark的计算能力将数据快速地导入。
kikiki4·2024-08-27 15:42

Linux系统性能调优技巧

Linux系统性能调优技巧Linux系统作为服务器和桌面操作系统的主流选择之一，其性能调优是系统管理员和开发人员的重要任务。
shiming8879·2024-08-27 15:03

Spark -- 基础开发和RDD相关知识总结!!!

目录一、基础开发1.Anaconda2.案例(基本代码)3.案例(链式编程)3.spark-submit3.StandAlone模式4.SparkOnYarn模式二、RDD1.RDD模型2.RDD常用算子
Alfie-·2024-08-27 12:13

Spark-第三周

1.sparkcontext初始化源码分析Spark源码（7）-SparkContext初始化源码分析_太与旅spark源码-CSDN博客Spark源码学习(一)：SparkContext初始化源码分析
fightingD&W·2024-08-27 12:13

Spark-第五周

sparkonyarn运行流程SparkonYarn模式下执行过程_sparkonyarn作业执行流程-CSDN博客yarnclient与yarncluster区别SparkonYarn用执行流程图解（
fightingD&W·2024-08-27 12:13

Spark-第六周

1.sparksql运行流程【Spark精讲】一文讲透SparkSQL执行过程_sparksql执行过程-CSDN博客摸鱼大数据——SparkSQL——SparkSQL的运行机制-CSDN博客2.熟练使用
fightingD&W·2024-08-27 12:13

Hbase BulkLoad用法

要导入大量数据，Hbase的BulkLoad是必不可少的，在导入历史数据的时候，我们一般会选择使用BulkLoad方式，我们还可以借助Spark的计算能力将数据快速地导入。
kikiki1·2024-08-27 04:22

Django 后端架构开发：存储层调优策略解析

Django后端架构开发：存储层调优策略解析目录数据库读写分离实现与优化分布式文件系统在Django中的应用与优化Elasticsearch存储层优化策略前端页面静态化处理数据库读写分离实现与优化数据库读写分离是一种优化数据库性能的常见手段
Switch616·2024-08-27 02:13

PySpark，一个超级强大的 Python 库

也许能够开启我们的智慧之门，一个普通的方法，也许能在危急时刻挽救我们于水深火热，一个新颖的思维方式，也许能激发我们无尽的创造力，一个独特的技巧，也许能成为我们的隐形盾牌……神奇的Python库之旅，第14章目录一、初识PySpark
炒青椒不放辣·2024-08-26 22:18

（十五）Flink 内存管理机制

在大数据领域，很多开源框架（Hadoop、Spark、Storm）都是基于JVM运行，但是JVM的内存管理机制往往存在着诸多类似OutOfMemoryError的问题，主要是因为创建大量的实例，超过JVM
springk·2024-08-26 16:27

面试笔记8.24

正确答案：在我的项目中涉及大数据开发时，我通常会采用分布式的架构，比如使用Hadoop或者Spark等大数据处理框架。我会在集群中部署多台服务器，通过分布式计算和存储来处理大规模数据。
励志秃头码代码·2024-08-26 16:55

计算机毕业设计Hadoop+Spark知识图谱体育赛事推荐系统 体育赛事热度预测系统 体育赛事数据分析 体育赛事可视化 体育赛事大数据 机器学习 大数据毕业设计 大数据毕设 机器学习 人工智能

开发技术前端：vue.js、element-ui、echarts后端：springboot、mybatis大数据：spark、hadoop数据库：mysql关系型数据库、neo4j图数据库算法：协同过滤推荐算法
计算机毕业设计大全·2024-08-26 13:43

Kylin系列-入门

Kylin系列-入门ApacheKylin是一个开源的分布式分析引擎，提供Hadoop/Spark之上的SQL查询接口及多维分析（OLAP）能力，以支持超大规模数据。
Dingdangr·2024-08-26 13:34

【赵渝强老师】Spark中的RDD

  RDD（ResilientDistributedDataset）叫做弹性分布式数据集，它是Spark中最基本、也是最重要的的数据模型。
赵渝强老师·2024-08-26 11:52

Flink内存调优

Flink内存调优JVM我们知道Flink是基于JobManager和TaskManager管理和运行任务，而他们都是以Java进程的形式运行的，所以在了解Flink内存时，我们需要先了解一下Java运行时环境
HHoao·2024-08-26 10:44

基于spark+hadoop+hive大数据分析的电影推荐系统的设计与实现

开发介绍1.1开发环境二、系统介绍2.1图片展示三、部分代码设计3.1.部分代码如下：**总结****大家可以帮忙点赞、收藏、关注、评论啦****有问题评论区交流**一、开发介绍1.1开发环境技术栈：spark
毕设木哥·2024-08-26 06:26

每天一个数据分析题（五百）- 关联规则

.预测（Prediction）数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark
跟着紫枫学姐学CDA·2024-08-26 04:40

每天一个数据分析题（四百九十）- 主成分分析与因子分析

C.协方差矩阵D.相关系数矩阵数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark
跟着紫枫学姐学CDA·2024-08-26 04:07

Jmeter性能分析及调优详解（入门）

其实一般来说在实际性能分析和调优中，测试担任的角色就是写压测脚本并执行脚本查看结果，然后配合开发和运维来对压测结果不通过的或者不满意的地方一起分析和优化，等开发和运维优化好之后再次压测看是否通过，反复如此知道压测通过
追求测试的光·2024-08-26 02:27

Linux系统性能调优详细讲解和案例示范

本文将深入探讨Linux系统性能调优的核心概念，介绍一些常用的性能定位命令，并结合实际案例详细说明如何解决常见的性能问题。
J老熊·2024-08-25 23:42

12.Spark Core-Spark-RDD持久化

(1)persist算子使用方法：varrdd=sc.textFile("test")rdd=rdd.persist(StorageLevel.MEMORY_ONLY)valcount=rdd.count()//或者其他操作StorageLevel说明：StorageLevel的构造函数：classStorageLevelprivate(privatevar_useDisk:Boolean,#是否
__元昊__·2024-08-25 23:43

vue2上传大文件到minio分片上传

项目中使用到的类库：spark-md5、axios、element-ui；npminstallspark-md5--Snpminstallaxios--S页面上传示例文件上传任务数：{{taskQueueRunningNum
zhou周大哥·2024-08-25 17:35

AutoML原理与代码实例讲解

数据预处理、特征工程、模型选择、参数调优等步骤都需要人工进行，这使得机器学习模型的开发变得复杂且耗时。为了解决这
AI大模型应用之禅·2024-08-25 07:31

绿盟SecXOps安全智能分析技术白皮书

由于工作流运行的模板的不同，运行过程中可能会产生不同的新资源，如数据处理类型的工作流会产生新的数据集，AI算法类的工作流会产生新的模型，甚至超参调优类型的工作流会产生新的模型训练代码，这些新生成的资源都可以在本模块中进行保存
萍水相逢_d272·2024-08-25 07:20
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他