郭小白

摘要： 基本函数测试表：一、字符串函数charset(str):返回字符串的字符集concat(str1,[…]):连接字符串instr(string,substring):返回substring首次在string中出现的位置，若不存在则返回0ucase(str1)：字符串转换成大写lcase(str1)：字符串转换成小写right(string,length):从右边起取string的length个字符... 阅读全文

摘要： 业务场景：需求：通过flume进行数据采集，将本地(windows服务器)不断产生的csv文件采集到hdfs上。问题：本地文件在生成的过程中，会出现文件名重复的现象。也就是说，在前一秒生成文件名为aaa.csv,该文件经过flume进行处理之后会进行文件名的更改，默认情况下文件名会更改为aaa.csv.COMPLATED,但是在第二秒的时候，接着又生成了aaa.csv文件，此时flume将该文件处... 阅读全文

摘要： spark任务提交之后作业运行状态在spark向yarn提交作业之后，正常情况下，作业运行结束之前，状态分为两种，分别是：accept以及running一、accept 该状态表示Application已经提交给调度器。 在NEW_SAVEING转换为SUBMITTED状态的时候，RMAppImpl会除法StartAppAttemptTransition，这是会创建一个新的RMAppA... 阅读全文

摘要： HBase行健的设计 在设计HBase表的时候，行健是唯一重要的事情。应该基于预期的访问模式来为行健进行建模 行健决定了访问HBase表时可以得到的性能。这个结论根植于两个事实： 1、region基于行健为一个区间的行提供服务，并且负责区间内的每一行。 2、HFile在硬盘上存储有序的行。 当reg 阅读全文

摘要： HBase表模式的设计 对于HBase表，在设计表结构之前，我们需要先考虑的几个问题： 这个表应该有多少个列族？ 列族使用的是什么数据？ 每个列族应该有多少列？ 列名应该是什么？尽管列名不必在建表的时候定义，但是后期读写数据时是需要知道的。 单元存放什么数据？ 每个单元存储多少个时间版本？ 行健结构 阅读全文

摘要： 业务场景 有如下数据： id intime outtime1190771865,2019-11-26 13:27:26,2019-11-26 13:27:26 1190771865,2019-11-26 13:27:26,2019-11-26 13:27:26 1190771865,2019-11- 阅读全文

摘要： Aggregate函数 一、源码定义 /** * Aggregate the elements of each partition, and then the results for all the partitions, using * given combine functions and a 阅读全文

摘要： 报错信息： 报错截图： 解决方案： 因为本人是sbt项目，所以添加一下依赖之后解决： 如果是maven项目的话，添加依赖到pom文件中然后在重新build，之后就可以了 阅读全文

摘要： Hive sql是Hive 用户使用Hive的主要工具。Hive SQL是类似于ANSI SQL标准的SQL语言，但是两者有不完全相同。Hive SQL和Mysql的SQL方言最为接近，但是两者之间也存在着显著的差异，比如Hive不支持行级数据的插入、更新和删除，也不支持事务操作。 注: HIVE 阅读全文

摘要： 什么是Hive hive是建立在Hadoop体系架构上的一层SQL抽象，使得数据相关人员是用他们最为熟悉的SQL语言就可以进行海量的数据的处理、分析和统计工作，而不是必须掌握JAVA等变成语言和具备开发MapReduce程序的能力。Hive SQL实际上是先被SQL解析器进行解析然后被Hive框架解 阅读全文