spark技术篇第38页

解码 SQL：深入探索 Antlr4 语法解析器背后的奥秘

你可能已经使用过诸如MySQL、Hive、ClickHouse、Doris、Spark和Flink等工具来编写SQL查询。

Light Gao·2023-12-03 06:21

黑猴子的家：Spark RDD 操作

所有这些操作主要针对两种类型的RDD:（1）数值RDD（2）键值对RDDRDD的所有转换操作都是懒执行的，只有当行动操作出现的时候Spark才会去真的运行,不同的RDD类型之间的转换，通过隐式转换完成，

黑猴子的家·2023-12-03 03:06

SparkStreaming 窗口操作

热点搜索词滑动统计，每隔10秒钟，统计最近60秒钟的搜索词的搜索频次，并打印出排名最靠前的3个搜索词以及出现次数普通SparkStreaming处理方式，如果将时间间隔设置成60s，无法每隔10s输出一次结果

printf200·2023-12-03 02:27

spark读取GBK文件的方法

spark读取GBK文件乱码spark的textFile方法默认写死了读UTF-8格式的文件，读其他格式的文件则会显示乱码。

NikolasNull·2023-12-03 02:31

AI创作ChatGPT源码+AI绘画（Midjourney绘画）+DALL-E3文生图+思维导图生成

一、AI创作系统SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统，支持OpenAI-GPT全模型+国内AI全模型。

白云如幻·2023-12-03 00:25

Spark Core源码精读计划#24：StaticMemoryManager——静态内存管理机制

目录前言MemoryManager的初始化静态内存管理器StaticMemoryManager构造方法计算堆内存储/执行内存总量内存申请方法静态内存管理布局图解总结前言在上一篇文章的最后，我们阅读了内存管理器MemoryManager抽象类的源码，并且提到它有两种实现：静态内存管理器StaticMemoryManager、统一内存管理器UnifiedMemoryManager。其中，StaticM

LittleMagic·2023-12-03 00:52

spark 操作 hbase 之读取 hbase

1通过scan读取hbase表应用场景：当想读取hbase表数据，做进一步数据处理或数据分析时，需要用scan读取HBASE表。读取方法：file直到读取数据的inputformat是TableInputFormat，filefilekeyin：ImmutableBytesWritablerowkeyvaluein：Result一行（rowkey）的数据file1.1scan全表packageda

海牛大数据_青牛老师·2023-12-02 21:13

Hadoop进阶学习---MapReduce分布式计算架构

1.单词统计流程(文字简单描述)已知文件内容:hadoophivehadoopsparkhiveflinkhivelinuxhivemysql计算每个单词出现的次数2.MR底层计算原理[重点]MAP阶段第一阶段是把输入目录下文件按照一定的标准逐个进行逻辑切片

Yan_bigdata·2023-12-02 19:30

Hdoop学习笔记（HDP）-Part.17 安装Spark2

目录Part.01关于HDPPart.02核心组件原理Part.03资源规划Part.04基础环境配置Part.05Yum源配置Part.06安装OracleJDKPart.07安装MySQLPart.08部署Ambari集群Part.09安装OpenLDAPPart.10创建集群Part.11安装KerberosPart.12安装HDFSPart.13安装RangerPart.14安装YARN+

这啥命啊·2023-12-02 19:45

spark - java 编程实现Word count

本文通过一个demon向读者展示，如何用spark实现wordcount功能。

良人与我·2023-12-02 11:37

Antlr4 - 自定义SparkSQL解析

Antlr4是一个强大的解析器的生成器，可以用来读取、处理、执行或翻译结构化文本，ANTLR可以从语法上来生成一个可以构建和遍历解析树的解析器，最出名的Spark计算引擎2.x就是用它来解析SQL的，是一个牛到没朋友的家伙

大猪大猪·2023-12-02 11:03

【Spark数仓项目】需求八：MySQL的DataX全量导入和增量导入Hive

【Spark数仓项目】需求八：MySQL的DataX全量导入和增量导入Hive文章目录一、mysql全量导入hive[分区表]需求介绍：二、mysql增量导入hive1.增量导入的第一种实现方法2.另一种方法是时间字段

程序终结者·2023-12-02 10:22

spark RDD与DataFrame的相互转换

一、RDD与DataFrame的区别RDD转DataFrame原因及方式可以将RDD转成DataFrame之后，借用sparksql和sql以及HQL语句快速方便的使用sql语句统计和查询，比如说分组排名

火树银花之处·2023-12-02 10:47

Spark---DataFrame存储、Spark UDF函数、UDAF函数

四、DataFrame存储+SparkUDF函数1、储存DataFrame1）、将DataFrame存储为parquet文件2）、将DataFrame存储到JDBC数据库3）、将DataFrame存储到

30岁老阿姨·2023-12-02 10:46

Spark低版本适配Celeborn

Spark-3.5版本以下使用Celeborn时，无法使用动态资源，对于低版本的Spark，Celeborn提供了patch。

woloqun·2023-12-02 10:16

SparkSQL 学习笔记----将RDD转换成DataFrame

一、RDD转换成DataFrame1、为什么要将RDD转换成DataFrame转换成DataFrame之后就可以直接针对HDFS等任何可以构建为RDD的数据，进行SparkSQL进行SQL查询了。

PZ~浪味仙·2023-12-02 10:46

2023_Spark_实验二十四：Kafka集群环境搭建

Kafka集群环境搭建一、环境说明二、安装步骤一、环境说明目前的Kafka版本还是需要借助zookeeper来存储cluster、brokers、consumer等相关元信息，在当前版本即在本案例中，我们采用了外部的zookeeper，即搭建了三节点的集群zookeeper环境，以其作为Kafka2_12_3.1.0版本的元数据存储库。zookeeper环境配置如下：节点安装路径dataDir路径

pblh123·2023-12-02 10:44

【详解】Spark数据倾斜问题由基础到深入详解-完美理解-费元星

数据倾斜定义：顾名思义，就是大量相似或相同数据聚集在一个块的节点里，导致计算和资源分配不均导致的计算缓慢（长尾）问题。数据倾斜原因：count(distinctfield)groupbyNULL空值Shuffle(概率最高、发生最普遍的数据倾斜问题，本文重点讲述这个)###################################################先说解决方案：1.相同值打散各

未来星_狒狒·2023-12-02 10:44

使用Spark写入数据到数据库表

项目场景：使用Spark写入数据到数据库表问题描述Column"20231201"notfoundinschemaSome(StructType(StructField(sdate,IntegerType

用吉他弹奏摇滚乐·2023-12-02 10:14

SparkSQL－MR、RDD、DataFrame三个编程模型演进

转载自：http://hbasefly.com/2017/02/16/sparksql-dataframe/SparkSQL历史回顾对SparkSQL了解的童鞋或多或少听说过Shark，不错，Shark

扎克begod·2023-12-02 10:12

【Spark】RDD转换DataFrame（反射机制）

Spark支持多种格式文件生成DataFrame，只需在读取文件时调用相应方法即可，本文以txt文件为例。

卜塔·2023-12-02 10:42

Spark---Spark on Hive

1、SparkOnHive的配置1）、在Spark客户端配置HiveOnSpark在Spark客户端安装包下spark-2.3.1/conf中创建文件hive-site.xml：配置hive的metastore

30岁老阿姨·2023-12-02 10:40

【Spark基础】-- RDD 转 Dataframe 的三种方式

目录一、环境说明二、RDD转Dataframe的方法1、通过StructType创建Dataframe（强烈推荐使用这种方法）

high2011·2023-12-02 10:39

2023_Spark_实验二十四：SparkStreaming读取Kafka数据源：使用Direct方式

SparkStreaming读取Kafka数据源：使用Direct方式一、前提工作安装了zookeeper安装了Kafka实验环境：kafka+zookeeper+spark实验流程二、实验内容实验要求

pblh123·2023-12-02 09:02

spark3.x 写入hudi报错

报错信息如下：Exceptioninthread"main"org.apache.hudi.exception.HoodieUpsertException:Failedtoupsertforcommittime20231201202516518atorg.apache.hudi.table.action.commit.BaseWriteHelper.write(BaseWriteHelper.ja

南城守护·2023-12-02 08:52

spark3.x 读取hudi报错

报错信息如下：Exceptioninthread"main"org.apache.hudi.exception.HoodieUpsertException:Failedtoupsertforcommittime20231201203145254atorg.apache.hudi.table.action.commit.BaseWriteHelper.write(BaseWriteHelper.ja

南城守护·2023-12-02 08:48

驯服大数据的超强利器——PySpark数据处理引擎

现在，Spark数据处理引擎正在向你敞开大门。这是一个惊人的分析工厂，输入原始数据，输出洞察。

清图·2023-12-02 05:58

1.Spark介绍

1.什么是Spark网址：https://spark.apache.org/Unifiedengineforlarge-scaledataanalytics用于大规模数据分析的统一引擎ApacheSpark

想成为数据分析师的开发工程师·2023-12-02 00:40

2.Spark运行模式

1.Spark运行模式概述Local多用于本地测试，如在IDEA、PyCharm、VisualStudioCode中写程序测试等。

想成为数据分析师的开发工程师·2023-12-02 00:10

AIGC创作ChatGPT源码+AI绘画（Midjourney绘画）+支持GPT-4-Turbo模型+DALL-E3文生图

一、AI创作系统SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统，支持OpenAI-GPT全模型+国内AI全模型。

白云如幻·2023-12-01 23:55

spark udf 提示not serializable

20/06/0816:41:06INFOmemory.MemoryStore:Blockbroadcast_0storedasvaluesinmemory(estimatedsize327.2KB,free912.0MB)20/06/0816:41:06INFOmemory.MemoryStore:Blockbroadcast_0_piece0storedasbytesinmemory(estim

南修子·2023-12-01 22:06

Exception: Java gateway process exited before sending its port number 解决方案

在阿里云轻量应用服务器上安装Spark时遇到了一个异常：Exception:Javagatewayprocessexitedbeforesendingitsportnumber，搜遍谷歌百度无法解决，花费数小时终于解决

谖瓞·2023-12-01 19:57

textfilestream_Spark从本地文件流式传输到hdfs。textFileStream-问答-阿里云开发者社区-阿里云...

我的spark程序将流式传输本地目录内容并将其保存到HDFS。但是，当我开始流式传输时，没有任何事情发生。我检查了日志，但我没有得到提示。让我解释一下这个场景。

十吾十吾·2023-12-01 16:20

跟着chatgpt学习|1.spark入门

首先先让chatgpt帮我规划学习路径，使用Markdown格式返回，并转成思维导图的形式目录目录1.了解spark1.1Spark的概念1.2Spark的架构1.3Spark的基本功能2.spark中的数据抽象和操作方式

薇酱·2023-12-01 16:19

Spark on hdp yarn cluster踩坑记

集群环境ambari:HDP-2.6.5.0spark-2.1.0-bin-hadoop2.7踩坑一：NoClassDefFoundError:org/glassfish/jersey/server/spi

spark大数据玩家·2023-12-01 16:19

跟着chatgpt学习|1.spark入门(2)

跟着chatgpt学习|1.spark入门-CSDN博客3.Spark的执行和数据分区3.1spark执行流程1.应用程序启动Spark应用程序从驱动器程序开始执行，创建SparkContext对象。

薇酱·2023-12-01 16:14

ClassNotFoundException: org.apache.hive.spark.client.Job

hive使用的是3.13版本，spark是3.3.3支持hadoop3.xhive将engine从mr改成spark，通过beeline执行insert、delete时一直报错，sparkTaskrpc

青春不流名·2023-12-01 16:43

【Spark基础】-- 宽窄依赖

在Spark中，核心的数据结构是不可变的ÿ

high2011·2023-12-01 16:43

最全ChatGPT角色预设词教程，Prompt分享

使用指南1、可直复制使用2、可以前往已经添加好Prompt预设的AI系统测试使用（可自定义添加使用）https://ai.sparkaigf.com雅思写作考官我希望你假定自己是雅思写作考官，根据雅思评判标准

白云如幻·2023-12-01 16:15

跟着chatgpt一起学|1.spark入门之MLLib

chatgpt在这一章表现的不好，所以我主要用它来帮我翻译文章+提炼信息1.前言首先找到spark官网里关于MLLib的链接spark内一共有2种支持机器学习的包，一种是spark.ml,基于DataFrame

薇酱·2023-12-01 15:30

高效率：使用DBeaver连接spark-sql

提高运行效率一般采取底层使用spark引擎替换成hive引擎的方式提高效率，但替换引擎配置较为复杂考虑到兼容版本且容易出错，所以本篇将介绍使用DBeaver直接连接spark-sql快速操作hive数据库

open_test01·2023-12-01 14:48

spark中的foreach算子

RDD的方法称为算子valrdd:RDD[Int]=sc.makeRDD(List(1,2,3,4))//foreach方法rdd.collect().foreach(println)println("====================")//foreach算子rdd.foreach(println)sc.stop()结果1234====================3412同样使用for

haiya2001·2023-12-01 12:29

数据库时间类型之间的转换魔法

我们将探讨在数据库中时间戳（timestamp）、日期（date）、日期时间（datetime）和字符串之间的转换技巧，覆盖主流数据库如MySQL、Oracle、SQLServer、PostgreSQL以及SparkSQL

theskylife·2023-12-01 11:49

Spark写入es：EsHadoopRemoteException: version_conflict_engine_exception

背景介绍业务场景：spark批量写入es，基于es-hadoop组件实现批处理任务定时调度cdh5.5.3集群，spark2.3，elasticsearch6.4.3es中对应索引的_id由程序控制，保证全局唯一仅测试环境出现

weixin_34117522·2023-12-01 09:59

pyspark案例系列9-好友推荐实战

一.需求今天接单了一个学生的课程左右辅导，辅导内容是通过Spark实现好友推荐。文件格式:image.png二.解决方案我之前的博客例子里面有好友推荐相关的帖子2.1代码实现python脚本#!

只是甲·2023-12-01 07:36

2019-02-01

大数据技术的产生以及发展谷歌的三篇论文分布式文件系统GFS大数据分布式计算框架mapreduceNoSQL数据库系统BigTable大数据计算离线计算——批处理计算（MapReduce、Spark）实时计算

奔跑的风2019·2023-12-01 04:34

Spark - 升级版数据源JDBC2

在spark的数据源中，只支持Append,Overwrite,ErrorIfExists,Ignore,这几种模式，但是我们在线上的业务几乎全是需要upsert功能的，就是已存在的数据肯定不能覆盖，在

kikiki2·2023-12-01 04:58

Spark History Server

在运行Spark应用程序的时候，Driver会提供一个WebUI用于展现应用程序的运行信息，但是这个服务是伴随Spark应用程序的运行周期的，当应用程序运行完成后，将无法查看应用程序的历史记录。

Alex90·2023-12-01 03:58

米哈游大数据云原生实践

以Spark为例，在云上运行Spark可以充分享有公共云的弹性资源、运维管控和存储服务等，并且业界也涌现了不少SparkonKubernetes的优秀实践。

阿里云云栖号·2023-12-01 00:13

推荐频道

spark技术篇