spark性能调优

spark学习之旅（2）之之RDD常用方法

RDD（ResilientDistributedDataset）叫做弹性分布式数据集，是Spark中最基本的数据抽象，它代表一个不可变、可分区、里面的元素可并行计算的集合。
浩哥的技术博客·2023-12-15 19:51

spark从表中采样（随机选取）一定数量的行

在SparkSQL中，你可以使用TABLESAMPLE来按行数对表进行采样。
不负长风·2023-12-15 19:46

IntelliJ IDEA创建一个spark的项目

在开始之前，需要说明的是要跑通基本的wordcount程序，是不需要在windows上安装hadoop和spark的，因为idea在跑程序的时候，会按照pom.xml配置文件，从指定的repository
刘文钊1·2023-12-15 19:45

spark链接hive时踩的坑

使用spark操作hive，使用metastore连接hive，获取hive的数据库时，当我们在spark中创建数据库的时候，创建成功。
YuPangZa·2023-12-15 18:00

spark 写入 mysql 报错

报错信息如下："C:\ProgramFiles\Java\jdk1.8.0_291\bin\java.exe""-javaagent:D:\Hadoopruanjian\IDEA\IntelliJIDEA2021.3.2\lib\idea_rt.jar=60971:D:\Hadoopruanjian\IDEA\IntelliJIDEA2021.3.2\bin"-Dfile.encoding=UTF
南城守护·2023-12-15 18:17

物联网、大数据、云计算的区别与联系

Hadoop、Spark海量数据云计算将计算资源虚拟化并按需卖给用户。方便计算资源的管理提高计算资源利用率。openstack、docker虚拟化二、相互关系粗略地看，可以认为物联网产生
weixin_30455067·2023-12-15 18:46

PySpark大数据处理详细教程

今天，我很高兴与您分享我的最新博客，专注于探索PySparkDataFrame的强大功能。无论您是刚入门的数据分析师，还是寻求深入了解大数据技术的专业人士，这里都有丰富的知识和实用的技巧等着您。
数据科学知识库·2023-12-15 18:35

大数据分析与应用实验任务十一

大数据分析与应用实验任务十一实验目的通过实验掌握sparkStreaming相关对象的创建方法；熟悉sparkStreaming对文件流、套接字流和RDD队列流的数据接收处理方法；熟悉sparkStreaming
陈希瑞·2023-12-15 17:49

大数据基础知识

为了一场紧急考试，没有正经系统学习过大数据知识的我开始恶补概念涉及Hadoop、Hbase、Spark、Flink、Flume、Kafka、Sqoop、HDFS、Hive、Mapreduce、Impala
偶余杭·2023-12-15 17:22

【Docker实战】基于Dockerfile搭建LNMP+wordpress

然后对此服务进行相关的性能调优和管理工作二、架构：nginx172.111.0.10docker-nginxmysql172.111.0.20docker-mysqlPHP172.111.0.30docker-PHP
koeda1（粉丝冲刺一个亿）·2023-12-15 17:45

大数据分析与应用实验任务十二

大数据分析与应用实验任务十二实验目的：通过实验掌握spark机器学习库本地向量、本地矩阵的创建方法；熟悉spark机器学习库特征提取、转换、选择方法；实验任务：一、逐行理解并参考编写运行教材8.3.1、
陈希瑞·2023-12-15 17:41

spark源码阅读——shuffle写

groupByKey这个操作一般会产生两个RDD：（map操作）MapPartitionsRDD（隐式转换之后聚合）ShuffledRDDdefgroupBy[K](f:T=>K,p:Partitioner)(implicitkt:ClassTag[K],ord:Ordering[K]=null):RDD[(K,Iterable[T])]=withScope{valcleanF=sc.clean(
WJL3333·2023-12-15 15:14

hive/spark用法记录

1.cast()更改数据类型cast(column_nameastype)2.get_dt_date()自定义日期操作函数（返回不带横线的日期）selectget_dt_date();–获取当前日期，返回20170209selectget_dt_date(get_date(-2));–获取当前日期偏移，转为不带横杆的格式selectget_dt_date(‘2017-02-02’,-2);–201
eight_Jessen·2023-12-15 14:17

Hbase性能调优

client端HTable.setAutoFlush(false)关闭客户端自动刷新HTable.setWriteBufferSize(writeBufferSize)设置HTable客户端的写buffer大小，与上面的参数配合使用。当达到设置的writeBufferSize时，才会触发提交到服务端的请求。（不适合实时读写业务）Put.setWriteToWAL(false)关闭WAL日志客户端向
onwingsofsong·2023-12-15 14:51

spark四种运行模式

1.spark的核心组件1.1DriverSpark驱动器节点，用于执行Spark任务中的main方法，负责实际代码的执行工作。
坨坨的大数据·2023-12-15 14:44

计算机毕业设计Python+Spark知识图谱微博舆情预警系统 微博舆情分析 微博推荐系统 微博可视化 微博数据分析 微博大数据 微博爬虫 微博预测系统 大数据毕业设计 大数据毕业设计 机器学习

开发框架前端：vue.jselement-ui后端：springbootmybatis中间件：sparkhadoophiveflink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
计算机毕业设计大神·2023-12-15 12:19

【基础知识】大数据概述

发展历程中国开源生态图谱2023参考内容中国开源生态图谱2023.pdf技术组件说明数据集成sqoop、dataX、flume数据存储hdfs、kafka数据处理mapreduce、hive、impala、spark
偏振万花筒·2023-12-15 12:39

浅谈ClickHouse性能监控与调优

本文将详细讲解如何监控ClickHouse的性能指标、日志和查询统计信息，以及如何进行故障排查和性能调优。一、监控性能指标1.系统表ClickHouse提供了一些内置的系统表，可以用来监控性能指标。
~奔跑的简默~·2023-12-15 12:58

高效压缩位图RoaringBitmap的原理与应用

目录位图法简述RoaringBitmap的思路Container原理ArrayContainerBitmapContainerRunContainer时空分析Container的创建与转换RBM的应用LuceneSparkGreenplumRedisTheEnd
zxfBdd·2023-12-15 08:23

RoaringBitMap在ClickHouse和Spark之间的实践-解决数据仓库预计算多维分析问题

前面在Spark多维分析去重计数场景优化案例中说了一下Spark计算在多维分析场景中的弊端，多维度分析会导致数据量指数级膨胀，搭配上去重计算字段越多，膨胀倍数也是线性增长，通过BitMap这个案例也更加让我们明白了
小满锅lock·2023-12-15 08:23

SparkSQL & ClickHouse RoaringBitmap64格式支持

ClickHouse新版使用roaring64map(https://github.com/RoaringBitmap/CRoaring/blob/af9fafb72edcfb88f7adc781eaea4e7e95f68d01/cpp/roaring64map.hh)来支持64位Int计算，采用了和之前不同的序列化和反序列化方式(https://github.com/ClickHouse/Cli
fz1989·2023-12-15 08:47

《PySpark大数据分析实战》-07.Spark本地模式安装

对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究，对Data
wux_labs·2023-12-15 07:31

【Spark精讲】Spark存储原理

目录类比HDFS的存储架构Spark的存储架构存储级别RDD的持久化机制RDD缓存的过程Block淘汰和落盘类比HDFS的存储架构  HDFS集群有两类节点以管理节点-工作节点模式运行，即一个NameNode
话数Science·2023-12-15 07:29

【Spark精讲】RDD特性之数据本地化

通过RDD的首选运行位置可以让RDD的某个分区的计算任务直接在指定的主机上运行，从而实现了移动计算而不是移动数据的目的，减少了网络传输的开销，如Spark中HadoopRDD能够
话数Science·2023-12-15 07:58

【Spark精讲】Spark任务运行流程

目录Spark任务执行流程编辑Client模式Cluster模式Yarn任务运行流程YARN-CLIENT模式YARN-CLUSTER模式编辑故障排查YARN-CLIENT模式导致的网卡流量激增问题YARN-CLUSTER
话数Science·2023-12-15 07:58

【Spark精讲】Spark作业执行原理

目录基本流程主要组件Driver端Executor端Job提交执行流程Task提交Task执行基本流程用户编写的Spark应用程序最开始都要初始化SparkContext。
话数Science·2023-12-15 07:58

【硬刚大数据】我们在学习Spark的时候，到底在学习什么？

很多小伙伴在群里或者私信留言问我关于Spark的学习路径问题。Spark发展至今，应该说已经
王知无(import_bigdata)·2023-12-15 07:27

Spark安装

本文搭建环境为：Mac+ParallelDesktop+CentOS7+JDK7+Hadoop2.6+Scala2.10.4+IDEA14.0.5——————————————————————————————————————————————————一、CentOS安装■安装完成后记得保存快照。■环境准备CentOS7下载：http://mirrors.163.com/centos/7/isos/x8
weixin_30755393·2023-12-15 07:27

新手入门：Spark 部署实战入门

Spark简介整体认识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。
weixin_34256074·2023-12-15 07:27

Spark Paimon 中为什么我指定的分区没有下推

目前使用的版本信息如下:Spark3.5.0Paimon0.6.0paimon的建表语句如下：CREATETABLE`table_demo`(`user_id`stringCOMMENT'fromdeserializer
鸿乃江边鸟·2023-12-15 07:51

关于新手入门：Spark 部署实战入门

Spark简介整体认识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。
IT资讯科技·2023-12-15 07:18

Spark on Yarn 安装配置实验（3.1.1）

子任务二：SparkonYarn安装配置本任务需要使用root用户完成相关配置，已安装Hadoop及需要配置前置环境，具体要求如下：1、从宿主机/opt目录下将文件spark-3.1.1-bin-hadoop3.2
芝士小熊饼干·2023-12-15 07:44

【Spark精讲】Spark Shuffle详解

目录Shuffle概述Shuffle执行流程总体流程中间文件ShuffledRDD生成Stage划分Task划分Map端写入(ShuffleWrite)Reduce端读取(ShuffleRead)SparkShuffle
话数Science·2023-12-15 07:14

Spark 单机搭建实战指南

摘要：本文将详细介绍如何在单台机器上搭建Spark分布式计算框架，涵盖环境准备、安装配置、运行测试等多个方面，帮助读者轻松上手Spark开发。
wcuuchina·2023-12-15 07:13

《PySpark大数据分析实战》-03.了解Hive

对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究，对Data
wux_labs·2023-12-15 06:42

每日一读 11.27

spark2：SparkSession思考与总结1http:/
Vicor·2023-12-15 06:12

分布式解决方案与实战

分布式多线程性能调优使用多线程优化接口//下单业务publicObjectorder(longuserId){longstart=System.currentTimeMillis();//方法的开始时间戳
渔阳节度使·2023-12-15 06:07

Scala教程

1.1.4Scala语言特点1.2Scala环境搭建1.3IDEA中Scala插件安装1.4HelloWorld案例1.4.1创建IDEA项目工程第一章Scala入门1.1概述1.1.1为什么学习ScalaSpark
Tanzhiyong97·2023-12-15 05:34

Hive增强的聚合、多维数据集、分组和汇总

大家注意防寒保暖进入正题，本文主要对照Hive介绍Hive、Spark、Presto查询
对许·2023-12-15 04:17

Spark读写Hive

Spark读写Hive文章目录Spark读写Hive（一）配置本地域名映射（二）创建Hive表（三）IDEA中编写Spark代码读取Hive数据（四）IDEA中编写Spark代码写入数据到Hive（一）
叶子上的考拉·2023-12-15 02:25

PyTorch 模型训练性能大揭秘：从基础到高级技巧一网打尽！

《PyTorch模型训练性能调优宝典》是解决PyTorch训练性能和效率问题的首选宝典。适用对象包括：AI/ML平台工程师、数据平台工程师、后端软件工程师、MLOps工
Python算法实战·2023-12-15 02:58

spark 内核源码剖析五：Master主备切换机制原理

Spark高可用HA，是可以配置两个Master的，一个AcitveMaster，一个StandByMaster，当ActiveMaster节点挂掉的时候，可以将StandByMaster切换为ActiveMaster
雪飘千里·2023-12-14 23:08

Spark spark-submit提交Job流程 解读

Spark-spark-submit提交Job流程解读spark-submitspark-classload-spark-env.shorg.apache.spark.launcher.MainSparkSubmitCommandBuilderclass
姜上清风·2023-12-14 22:38

Spark config配置项 一览

Sparkconfig配置项一览env配置序列化配置Rpc.Nettyyarnlib中的jar和用户自己的高版本jar处理加载先后顺序（spark程序jar与sparklibjar冲突，加载顺序）广播内存划分
姜上清风·2023-12-14 22:07

Spark-BlockManager、BlockManagerSlaveEndpoint、DiskStore、MemoryStore、BlockInfoManager、BlockInfo 源码解析

Spark-BlockManager、DiskStore、MemoryStore、BlockInfoManager、BlockInfo源码解析classBlockInfo&ObjectBlockInfoclassBlockInfoManagerclassMemoryStore
姜上清风·2023-12-14 22:07

Spark-SparkSession.Builder 源码解析

Spark-SparkSession.Builder源码解析classBuilderSparkSessionExtensionsclassBuilder这个类主要用来builderSparkSession
姜上清风·2023-12-14 22:36

修改jvm对象的属性值(私有)

修改jvm对象的属性值(私有)这个想法的来源一个sparkjob在启动之后，就会确定executor的数量。
姜上清风·2023-12-14 22:59

Gateway全局异常处理及请求响应监控

前言我们在上一篇文章基于压测进行Feign调优完成的服务间调用的性能调优，此时我们也关注到一个问题，如果我们统一从网关调用服务，但是网关因为某些原因报错或者没有找到服务怎么办呢？
shark-chili·2023-12-14 21:07

spark 参数配置及内存模型

1spark提交主要参数1.1num-executors此数量代表spark的executors数量，所有的task在executor中运行。
peidezhi·2023-12-14 20:38

Ceph Cookbook 中文版

1、ceph介绍、ceph块存储、ceph对象存储、ceph文件系统、用Calamari监控Ceph、操作和管理ceph集群、深入ceph、ceph生产计划和性能调优、ceph虚拟存储管理器、ceph扩展
SkTj·2023-12-14 20:41
上一页 36 37 38 39 40 41 42 43 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他