Spark集群搭建

如何使用Spark SQL进行复杂的数据查询和分析

使用SparkSQL进行复杂的数据查询和分析是一个涉及多个步骤和技术的过程。
Java资深爱好者·2025-02-21 01:22

如何安装Hadoop

Windows10的IP地址配置+CentOS静态IP设置Hadoop入门(三)——XSHELL7远程访问工具+XFTP7文件传输Hadoop入门(四)——模板虚拟机环境准备Hadoop入门(五)——Hadoop集群搭建
薇晶晶·2025-02-20 13:06

如果MLlib 中没有所需要的模型，如何使用 Spark 进行分布式训练？

如果MLlib中没有你所需要的模型，并且不打算结合更强大的框架（如TensorFlowOnSpark或Horovod），仍然可以使用Spark进行分布式训练，但需要手动处理训练任务的分配、数据准备、模型训练
是纯一呀·2025-02-20 08:57

使用 Docker 部署 Apache Spark 集群教程

简介ApacheSpark是一个强大的统一分析引擎，用于大规模数据处理。
努力的小T·2025-02-19 20:48

笔记：DataSphere Studio安装部署流程

一、标准版部署标准版：有一定的安装难度，体现在Hadoop、Hive和Spark版本不同时，可能需要重新编译，可能会出现包冲突问题。适合于试用和生产使用，2~3小时即可部署起来。
右边com·2025-02-19 13:15

HIVE- SPARK

日常记录备忘Hive修改字段类型之后（varchar->string）Hive可以查到数据，Presto查询报错;分区字段数据类型和表结构字段类型不一样；spark-sql分区表和非分区表兼容问题，不能关联可以建临时表把分区数据导入
流川枫_·2025-02-19 13:14

mongodb分片集群搭建

环境准备操作系统：centos6.5mongodb版本：v3.6.23三台阿里云服务器：10.168.2.138、10.168.4.204、10.168.4.205搭建目标两个分片复制集（ShardedReplicaSet）分片集群1:（10.168.2.138:27011、10.168.4.204:27011、10.168.4.205:27011）分片集群2:(10.168.2.138:2701
不会写诗的程序猿·2025-02-19 11:59

spark为什么比mapreduce快？

作者：京东零售吴化斌spark为什么比mapreduce快？
·2025-02-19 11:55

spark为什么比mapreduce快？

作者：京东零售吴化斌spark为什么比mapreduce快？
·2025-02-19 11:22

Spark中Dataset方法详解

一、数据清洗核心方法1.处理缺失值方法说明示例代码na().drop()删除包含空值的行Datasetcleaned=dataset.na().drop();na().fill(value)用指定值填充所有空值Datasetfilled=dataset.na().fill(0);na().fill(Map)按列填充不同值Mapfills=newHashMapunique=dataset.dropD
小巫程序Demo日记·2025-02-19 10:53

探索大数据处理：利用 Apache Spark 解锁数据价值

探索大数据处理：利用ApacheSpark解锁数据价值大家好，我是你们熟悉的大数据领域自媒体创作者Echo_Wish。今天，我们来聊聊如何利用ApacheSpark进行大规模数据处理。
Echo_Wish·2025-02-19 07:59

最新Apache Hudi 1.0.1源码编译详细教程以及常见问题处理

1.最新ApacheHudi1.0.1源码编译2.Flink、Spark、Hive集成Hudi1.0.13.flinkstreaming写入hudi目录1.版本介绍2.安装maven2.1.下载maven2.2
Toroidals·2025-02-19 06:51

使用Docker安装Spark集群(带有HDFS)

本实验在CentOS7中完成第一部分：安装Docker这一部分是安装Docker，如果机器中已经安装过Docker，可以直接跳过[root@VM-48-22-centos~]#systemctlstopfirewalld[root@VM-48-22-centos~]#systemctldisablefirewalld[root@VM-48-22-centos~]#systemctlstatusfi
Sicilly_琬姗·2025-02-18 10:52

使用Docker部署Spark集群

使用Docker部署Spark集群克隆包含启动脚本的git仓库启动Spark0.8.0集群并切换至SparkShell环境不带参数运行部署脚本*运行一些小的例子终止集群克隆包含启动脚本的git仓库*gitclone-bblogpostgit
小孩真笨·2025-02-18 10:17

从0开始使用Docker搭建Spark集群

utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation最近在学习大数据技术，朋友叫我直接学习Spark
吃鱼的羊·2025-02-18 10:16

Hbase深入浅出

大家熟知的Spark、以及Hadoop的MapReduce，可以理解为一种计算框架。而HDFS，我们可以认为是为计算框架服务的存
天才之上·2025-02-18 03:13

深入浅出了解HBase及RDD编程

HBase为什么能存储海量数据创建一个HBase表配置Spark编写程序读取HBase数据编写程序向HBase写入数据关于搭建HBase高可用集群的图文教程，可参考我的另一篇博文——安装并配置HBase
山海王子·2025-02-18 03:11

MongoDB分片集群搭建及扩容

准备工作在CentOS7上安装MongoDB分片集群6Servers代表：6台服务器上都要操作.环境准备On6Servers给虚拟机设置静态IPvi/etc/sysconfig/network-scripts/ifcfg-enp0s3修改以下#BOOTPROTO=“dhcp”BOOTPROTO=“static”IPADDR=“.xx.xx.xx.xx”NETMASK=“255.255.255.0”
老虎大人·2025-02-18 02:29

ubuntu安装k8s

centos：centos：K8Sv1.28.2集群搭建-docker版-一毛丶丶-博客园centos：Kubernetes详细安装教程_kubernetes安装-CSDN博客准备工作：1、主机名解析：
qq_41369135·2025-02-17 06:15

Spark 性能优化（四）：Cache

在Spark中，缓存是一种将计算结果存储在内存中的方式，目的是加速后续操作。当你执行迭代算法或查询时，如果多次重复使用相同的数据集，缓存可以避免每次都重新计算相同的转换操作。
LevenBigData·2025-02-17 00:04

使用Docker搭建Flink集群

我们知道，像spark、flink这些计算框架都有多种运行模式：在本地使用多线程模拟集群真正的分布式集群如果直接在IDE（Intellj）里面编译和运行写好的程序，实际上是用的前一种运行模式；如果想尝试真正的生产环境中任务的提交和管
O_1CxH·2025-02-16 20:34

Elasticsearch-API命令行相关操作手册

系列文章目录第一章es集群搭建文章目录系列文章目录前言esApi操作总结前言通过第一章学习es集群搭建流程及es基本概念后，在本章内容中，我们主要对es的基本命令行操作进行一次基本学习,来源于工作中的整理
少儿频道·2025-02-16 12:05

Spark 和 Flink

Spark和Flink都是目前流行的大数据处理引擎，但它们在架构设计、应用场景、性能和生态方面有较大区别。
信徒_·2025-02-16 12:04

spark任务运行

运行环境在这里插入代码片[root@hadoop000conf]#java-versionjavaversion"1.8.0_144"Java(TM)SERuntimeEnvironment(build1.8.0_144-b01)[root@hadoop000conf]#echo$JAVA_HOME/home/hadoop/app/jdk1.8.0_144[root@hadoop000conf]#
冰火同学·2025-02-16 11:56

【Redis】golang操作Redis基础入门

【Redis】golang操作Redis基础入门大家好我是寸铁总结了一篇【Redis】golang操作Redis基础入门sparkles:喜欢的小伙伴可以点点关注Redis的作用Redis（RemoteDictionaryServer
寸 铁·2025-02-16 07:24

hive spark读取hive hbase外表报错分析和解决

问题现象使用Sparkshell操作hive关联Hbase的外表导致报错；hive使用tez引擎操作关联Hbase的外表时报错。
spring208208·2025-02-16 07:21

spark-广播变量

当本地数据极大的时候，可以使用广播变量，使得减少内存。本地集合对象和分布式集合对象（RDD）进行关联的时候，需要将本地集合对象广播变量。本地的数据传输到集群上，会发到每一个线程，每一个分区。每一个进程executor，有多个线程分区，进程内的线程数据共享因此，给每一个线程发送数据会导致数据占用，浪费资源。所有，出现了广播变量，使得只发送给进程代码使用：broadcast=sc.broadcast(
哈哈哈哈q·2025-02-16 05:12

MySQL 运维篇 -- 主从集群搭建

文章目录主从复制主从复制原理主从故障处理延时从库主从GTID复制主从GR复制*****搭建组复制观察组复制主从复制主从同步过程（1）主丛复制基于binlog来实现的（2）主库发生新的操作，都会记录binlog（3）从库取得主库的binlog进行回放（4）主从复制是异步的准备主从的初始MySQL环境（YUM安装）[root@master~]#hostnamemaster[root@master~]#
L小Ray想有腮·2025-02-15 20:35

探索数据云的无缝桥梁：Apache Spark 与 Snowflake 的完美结合

探索数据云的无缝桥梁：ApacheSpark与Snowflake的完美结合spark-snowflakeSnowflakeDataSourceforApacheSpark.项目地址:https://gitcode.com
窦育培·2025-02-15 12:32

maven插件学习(maven-shade-plugin和maven-antrun-plugin插件)

整合spark3.3.x和hive2.1.1-cdh6.3.2碰到个问题，就是spark官方支持的hive是2.3.x，但是cdh中的hive确是2.1.x的，项目中又计划用spark-thrift-server
catcher92·2025-02-15 08:00

使用SparkLLM实现智能聊天：技术原理与实战演示

在本篇文章中，我们将探讨如何使用iFlyTek的SparkLLM模型来实现智能聊天功能。我们将详细介绍SparkLLM的技术背景、核心原理，并通过实际代码展示如何进行实现。
shuoac·2025-02-15 06:41

ClickHouse集群搭建（CENTOS7环境）

ClickHouse集群搭建（CENTOS7环境）1.rpm包下载下载的rpm包版本-rw-r--r--1rootroot1342545月2817:07clickhouse-client-20.3.9.70
huaxia2002·2025-02-15 05:07

Spark 性能优化 （三）：RBO 与 CBO

1.RBO的核心概念在ApacheSpark的查询优化过程中，规则优化（Rule-BasedOptimization,RBO）是Catalyst优化器的一个关键组成部分。
LevenBigData·2025-02-15 02:09

python 并行框架_基于python的高性能实时并行机器学习框架之Ray介绍

这种框架名为Ray，看起来有望取代Spark，业界认为Spark对于一些现实的人工智能应用而言速度太慢了;过不了一年，Ray应该会准备好用于生产环境。目前ray已经发布了0.3.0
weixin_39778582·2025-02-14 20:54

java获取hive表所有字段,Hive Sql从表中动态获取空列计数

我正在使用datastaxspark集成和sparkSQLthrift服务器,它为我提供了一个HiveSQL接口来查询Cassandra中的表.我的数据库中的表是动态创建的,我想要做的是仅根据表名在表的每列中获取空值的计数
拾亿年·2025-02-14 16:23

PySpark查询Dataframe中包含乱码的数据记录的方法

首先，用PySpark获取Dataframe中所有非ASCII字符，找到其中的非乱码字符。
weixin_30777913·2025-02-14 16:23

从0到1带大家搭建spring cloud alibaba 微服务大型应用框架（九）文件服务篇（1）：minio 单机与集群搭建

为什么需分布式文件服务单机时代初创时期由于时间紧迫，在各种资源有限的情况下，通常就直接在项目目录下建立静态文件夹，用于用户存放项目中的文件资源。如果按不同类型再细分，可以在项目目录下再建立不同的子目录来区分。例如：resources\static\file、resources\static\image等。优点：这样做比较便利，项目直接引用就行，实现起来也简单，无需任何复杂技术，保存数据库记录和访问
峡谷电光马仔·2025-02-14 10:43

spark streaming基础操作

sparkstreaming基础操作一、什么是sparkstreamingSparkStreaming用于流式数据的处理。
天选之子123·2025-02-14 09:33

Sealos的k8s高可用集群搭建

Sealos介绍](https://sealos.io/zh-Hans/docs/Intro)Sealos是一个Go语言开发的简单干净且轻量的Kubernetes集群部署工具，能很好的支持在生产环境中部署高可用的Kubernetes集群。Sealos特性与优势支持离线安装，工具与部署资源包分离，方便不同版本间快速升级。证书有效期默认延期至99年。工具使用非常简单。支持使用自定义配置文件，可灵活完成
da pai ge·2025-02-13 22:55

flink实时集成利器 - apache seatunnel - 核心架构详解

它支持多种数据源和数据目标，并可以与ApacheFlink、Spark等计算引擎集成。
24k小善·2025-02-12 23:38

DS缩写乱争：当小海豚撞上AI顶流，技术圈也逃不过“撞名”修罗场

这个2019年诞生的分布式任务调度系统，凭借可视化DAG界面、多租户支持和对Hadoop/Spark生态的深度集成，一度是大数据工程师的“梦中情工”。
·2025-02-12 18:58

k8s第一章：kubeadm集群搭建

开源容器应用自动化部署技术KubernetesKubernetes这个单词来自于希腊语，含义是舵手或领航员；生产环境级别的容器编排编排是什么意思:1.按照一定的目的依次排列；2.调配、安排；Kubernetes，也称为K8S，其中8是代表中间“ubernete”的8个字符，是Google在2014年开源的一个容器编排引擎，用于自动化容器化应用程序的部署、规划、扩展和管理，它将组成应用程序的容器分组
琴剑诗酒·2025-02-12 13:27

如何在Java中实现高效的分布式计算框架：从Hadoop到Spark

如何在Java中实现高效的分布式计算框架：从Hadoop到Spark大家好，我是微赚淘客系统3.0的小编，是个冬天不穿秋裤，天冷也要风度的程序猿！
省赚客app开发者·2025-02-12 07:12

Spark源码分析

过程描述:1.通过Shell脚本启动Master，Master类继承Actor类，通过ActorySystem创建并启动。2.通过Shell脚本启动Worker，Worker类继承Actor类，通过ActorySystem创建并启动。3.Worker通过Akka或者Netty发送消息向Master注册并汇报自己的资源信息(内存以及CPU核数等)，以后就是定时汇报，保持心跳。4.Master接受消息
数据年轮·2025-02-11 22:11

Spark 源码 | 脚本分析总结

前言最初是想学习一下Spark提交流程的源码，比如SparkOnYarn、Standalone。
董可伦·2025-02-11 21:31

Spark性能调优-----常规性能调优（一）最优资源配置

1.1.1常规性能调优一：最优资源配置Spark性能调优的第一步，就是为任务分配更多的资源，在一定范围内，增加资源的分配与性能的提升是成正比的，实现了最优的资源配置后，在此基础上再考虑进行后面论述的性能调优策略
weidajiangjiang·2025-02-11 01:01

Spark性能调优系列：Spark资源模型以及调优

Spark资源模型Spark内存模型Spark在一个Executor中的内存分为三块，execution内存、storage内存、other内存。
Mr Cao·2025-02-11 01:29

spark 性能调优 （一）：执行计划

在Spark中，explain函数用于提供数据框（DataFrame）或SQL查询的逻辑计划和物理执行计划的详细解释。
LevenBigData·2025-02-11 01:26

spark技术基础知识

1.Spark的宽窄依赖划分Q:Spark中如何划分宽依赖和窄依赖？A:窄依赖：父RDD的每个分区最多被一个子RDD的分区依赖（如map、filter），不会触发shuffle。
24k小善·2025-02-10 15:16

ELK系列（二）Kafka集群3.4.0搭建

ELK系列传送门ELK系列（一）ElasticSearch8.9.2集群搭建ELK系列（二）Kafka集群3.4.0搭建ELK数据流规划ELK接入nginx-acces日志数据流规划数据流向filebeat
诉光海·2025-02-10 15:40
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他